К содержимому
Аудио

pingo-ptbr

ультракомпактная модель синтеза речи на бразильском португальском

2 мин чтения

pingo-ptbr — это миниатюрная система преобразования текста в речь (text-to-speech) общим весом всего 0,87 МБ, включающая две голосовые модели (женскую F_s4 и мужскую M_sm4) со встроенным вокодером. Модель состоит из акустического модуля и замороженного вокодера FARGAN, которые преобразуют текст в моно-аудио с частотой 16 кГц без необходимости подключения к сети или тяжелых библиотек. Разработка ориентирована на локальный запуск прямо в браузере с помощью ONNX Runtime Web или на процессоре через MLX на устройствах Apple Silicon.

Ключевые особенности

  • Микроскопический размер: суммарно около 1,08 млн параметров, а веса упакованы в один файл размером 0,87 МБ за счет покадровой квантизации от 5 до 8 бит.
  • Работа в браузере: поддерживает экспорт в ONNX-графы для инференса на стороне клиента с полным сохранением конфиденциальности.
  • Высокая скорость: работает на CPU и на Apple Silicon (скорость около 24x от реального времени на чипе M4).
  • Специализация: разработана исключительно для бразильского португальского языка со встроенной нормализацией текста и заменой англицизмов для правильного произношения.

Что можно сделать

  • Интегрировать легкую голосовую озвучку в веб-приложения и сайты без нагрузки на сервер.
  • Запускать локальный синтез речи на слабых CPU, мобильных устройствах или в офлайн-скриптах на Python.
  • Создавать приватные локальные чат-боты и ассистенты для пользователей, говорящих на бразильском португальском.

Пример

import sys; sys.path.insert(0, "pingo")
import speak, soundfile as sf

model = speak.Pingo("weights/pingo-ptbr.bin")
audio = speak.speak(model, "Olá! Esta é a voz da SemFence.", voice="M_sm4", speed=1.0)
sf.write("hello.wav", audio, 16000)
ПодробнееБерчмарки WER на подмножестве MiniMax pt: около 0.95% (F_s4) и 1.00% (M_sm4).
Требования к железу: обычный CPU или Apple Silicon, отсутствие зависимости от PyTorch при инференсе.
Ограничения: поддерживает только бразильский португальский язык, вокодер с частотой 16 кГц дает характерный телефонный тембр звучания.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # semfence/pingo-ptbr
    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 semfence/pingo-ptbr --local-dir ~/models/pingo-ptbr
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pingo-ptbr
  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

Новые посты про версии pingo-ptbr — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

semfence/pingo-ptbr
Автор
semfence
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Canora Dutch

Canora Dutch