lolo_Q8y_voice
первая TTS-модель для кувейтского диалекта
2 мин чтенияобновлено
Модель lolo_Q8y_voice от разработчика قصي الدعيج (Qusai Al-duaij) решает задачу синтеза речи (Text-to-Speech) с естественным звучанием и студийным качеством вещания на аутентичном кувейтском диалекте (24,000 Hz). Архитектура основана на DiT Flow-Matching (базовые модели F5TTS_v1_Base / Habibi-TTS) и вокодере Vocos 24 kHz, а обучение проходило в два этапа с общим объемом около 67 часов размеченных аудиоданных. Главная особенность модели — строгая фонетическая разметка специфических звуков (каирского джима گ и персидского джима چ) наряду с сохранением литературных арабских звуков. Релиз входит в семейство моделей lolo AI Family и пригодится разработчикам голосовых ботов, создателям подкастов и исследователям региональных диалектов арабского языка.
Ключевые особенности
- Студийное качество: генерация аудиосигнала с частотой дискретизации 24,000 Hz в формате Mono PCM.
- Двухэтапное обучение: адаптация на 62 часах общего вещания и дополнительный этап точной настройки (Stage 2 Pure Kuwaiti Lock) на 4.78 часах чистой диалектной речи.
- Фонетическая точность: поддержка корректного произношения и различения букв گ (G) и چ (Ch) в кувейтских словах.
- Встроенный нормализатор: утилита kuwaiti_normalizer.py для автоматического перевода стандартного арабского текста в фонетическую орфографию.
Что можно сделать
- Озвучка текстов: синтезировать аудиодорожки для подкастов, диалогов и радиосценариев на кувейтском диалекте.
- Интеграция в боты: подключить веса модели через библиотеку F5-TTS для создания локальных русско- или арабоязычных голосовых ассистентов.
- Нормализация текста: применять скрипт нормализации для подготовки скриптов с учетом особенностей местного диалекта перед генерацией.
Пример
from huggingface_hub import hf_hub_download
from kuwaiti_normalizer import normalize_kuwaiti_tts_text
repo_id = "qalduaij/lolo_Q8y_voice"
ckpt_path = hf_hub_download(repo_id=repo_id, filename="lolo_Q8y_voice.safetensors")
vocab_path = hf_hub_download(repo_id=repo_id, filename="vocab.txt")
raw_text = "مساكم الله بالخير، شلونج وشخبارج؟ قاعد اقول لكم سالفة كويتية أصيلة باجر."
kuwaiti_text = normalize_kuwaiti_tts_text(raw_text)
print(kuwaiti_text)
Подробнее
Бенчмарки: 62.01 часа (21,816 клипов, 22,950 обновлений) в Stage 1 и 4.78 часа (1,867 клипов, 1,416 обновлений) в Stage 2.Размер файлов: веса модели lolo_Q8y_voice.safetensors занимают 1.26 GB.
Лицензия: lolo-q8y-voice-inference-only-nc-nd-1.0 (только для инференса, без права повторного обучения, реструктуризации или клонирования голосов без согласия).
Системные требования: библиотека f5-tts, huggingface_hub, наличие референсного аудиофайла продолжительностью 5–10 секунд.










Комментарии