К содержимому
Аудио

rumik-oss-1-male

мужские голоса без дообучения

2 мин чтенияобновлено

Независимая исследовательская адаптация модели синтеза речи (TTS) rumik-oss-1 (3.38B параметров) от пользователя Sanyam0605. Оригинальная модель умеет говорить только четырьмя женскими голосами (Ira, Aisha, Siya, Zoya), а эта версия добавляет мужской вариант для каждого из них. Главное отличие — отсутствие классического файнтюна: автор модифицировал поведение модели напрямую через активационный патч из двух векторов (всего 4096 чисел), оставив исходные веса нетронутыми. Пригодится разработчикам и исследователям, изучающим управление генерацией речи (activation steering) и кастомизацию голосов.

Ключевые особенности

  • Без градиентов и обучения: мужское звучание получено через разницу средних активаций на слоях 19 и 27, которая подмешивается к выходу MLP-слоёв 18 и 26.
  • Гибкое переключение на лету: метод set_voice() позволяет мгновенно менять пол голоса, возвращаться к оригиналу или регулировать глубину тембра параметром strength.
  • Сохранение узнаваемости: классификатор спикеров по признакам WavLM по-прежнему узнаёт исходных дикторов (с вероятностью 0.80–0.97), но с пониженной основной частотой тона (F0 около 103–115 Гц вместо 222–260 Гц).
  • Готовый сервер из коробки: в комплектный скрипт server.py уже добавлены пресеты Ira (male), Aisha (male), Zoya (male) и Siya (male).

Что можно сделать

  • Озвучка диалогов одной моделью: переключать set_voice("male") и set_voice(None) между репликами, чтобы вести беседу мужским и женским голосами без загрузки второй нейросети.
  • Тонкая настройка тембра: менять силу воздействия (например, strength=1.5 для более глубокого баса или 0.7 для стабильности голоса Siya) под нужную интонацию персонажа.
  • Исследование механистической интерпретируемости: использовать код и векторы из файла voice-patches.safetensors как готовый кейс по управлению признаками в речевых моделях.

Пример

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("Sanyam0605/rumik-oss-1-male", trust_remote_code=True, dtype="bfloat16").cuda().eval()
model.set_voice("male")                  # включить мужской вариант голосов
model.set_voice("male", strength=1.5)    # сделать тембр ещё глубже
model.set_voice(None)                    # вернуть исходные женские голоса
Подробнее Метрики: частота тона F0 снижается с 222–260 Гц до 103–115 Гц, Whisper WER составляет 0.00–0.02 (на 6 тестовых клипах по 2 предложения).
Ограничения: для голоса Siya при стандартной силе целым остался только 1 клип из 6 — автор рекомендует снижать strength до 0.7.
Особенности тембра: из-за более высоких формант (F2 ≈ 1800 Гц) голоса могут восприниматься как глубокий тембр при меньшем голосовом тракте.
Лицензия: CC-BY-NC 4.0 (только для исследований и некоммерческого использования, как у базовой модели rumik-oss-1).
Обсудить Telegram 0 25

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.3 GB · готовые файлы7.4 GB
  • FP8 / INT8рекомендуемвеса 3.1 GB4.0 GB
  • 4-bitвеса 1.8 GB2.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Sanyam0605/rumik-oss-1-male
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Sanyam0605/rumik-oss-1-male --local-dir ~/models/rumik-oss-1-male
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к rumik-oss-1-male
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

rumik-ai/rumik-oss-1
  1. tiny-aya-baseоснова семьи
  2. tiny-aya-fire
  3. rumik-oss-1-base
  4. rumik-oss-1
  5. rumik-oss-1-male

Новые посты про версии tiny-aya-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

Sanyam0605/rumik-oss-1-male
Автор
Sanyam0605
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

250

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии