К содержимому
Аудио

RUAccent Tiny Compact

лёгкая модель расстановки ударений и «ё»

2 мин чтенияобновлено

Модель автоматически расставляет ударения и букву «ё» в русском тексте. Она основана на RUAccent Tiny от автора TTSBard и оптимизирована для проектов TTSBard и библиотеки ruaccent-rs. Главная разница с оригиналом — квантование (сжатие весов нейросети в формат INT8) и упаковка словаря в FST-формат (конечный преобразователь), благодаря чему модель занимает в разы меньше памяти и грузится быстрее без потери точности. Инструмент пригодится разработчикам систем синтеза речи (TTS) и сервисов озвучки на русском языке.

Ключевые особенности

  • Весит 52.2 МБ на диске вместо ~135 МБ у исходной RUAccent Tiny (-61.3%).
  • Потребляет 116 МБ RAM (Working Set) против 650 МБ в оригинале — в 5.6 раз меньше.
  • Загружается за 0.35 секунды вместо 2.36 с (в 6.7 раз быстрее).
  • Словарь на 3 194 879 слов упакован в бинарный файл accents.fst (4.53 МБ) с доступом через mmap без лишних аллокаций строк в памяти.
  • Сохраняет 100% совпадение по точности с базовой версией.

Что можно сделать

  • Встроить в пайплайн подготовки текста для TTS-движков (синтеза речи), чтобы озвучка правильно читала омографы и сложные слова.
  • Подключить через библиотеку ruaccent-rs в десктопные или серверные приложения на Rust с жёсткими ограничениями по оперативной памяти.
  • Использовать в ботах и веб-сервисах для автоматической ёфикации и акцентуации русских текстов.

Пример

Сценарий использования из карточки: модель предназначена для интеграции в приложение TTSBard и библиотеку ruaccent-rs — в репозитории доступны бинарный словарь dictionary/accents.fst, словари омографов и слов с «ё» в .json.gz, а также квантованные ONNX-модели в папке nn/.

ПодробнееСжатие ONNX-моделей (INT8): nn_stress_usage_predictor уменьшена со 111 до 27.9 МБ, nn_yo_homograph_resolver — с 13.7 до 3.5 МБ, nn_omograph/tiny — 10 МБ, nn_accent оставлена в FP32 (0.77 МБ).
Требования: 116 МБ RAM (Working Set), 103 МБ Private Commit, 52.2 МБ на диске.
Точность: 100% совпадение с исходной RUAccent Tiny (потери точности: 0).
Лицензия: MIT License (Denis Petrov, RUAccent).
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.

    # TTSBard/ruaccent-tiny-compact
    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 TTSBard/ruaccent-tiny-compact --local-dir ~/models/ruaccent-tiny-compact
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ruaccent-tiny-compact
  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 ruaccent-tiny-compact — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

TTSBard/ruaccent-tiny-compact
Автор
TTSBard
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

SOV-Transcribe-1

SOV-Transcribe-1