Speecht5 Finetuned Emirhan Tr

🚀 speecht5_finetuned_emirhan_tr

このモデルは、microsoft/speecht5_tts を erenfazlioglu/turkishvoicedataset でファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.3135

✨ 主な機能

ベースモデルは、Transformerベースのアプローチ、具体的にはTransfer Transformerを使用して、テキストから高品質な音声を生成します。トルコ語音声データセットでのファインチューニングにより、このモデルはトルコ語でより自然で正確な音声を生成することができます。

📚 ドキュメント

想定される用途と制限

このモデルは、トルコ語に特化したテキスト読み上げ（TTS）アプリケーションを目的としています。ボイスアシスタント、自動アナウンス、トルコ語話者向けのアクセシビリティツールなど、さまざまなシナリオで使用できます。

訓練と評価データ

このモデルの性能はトルコ語に最適化されており、他の言語にはうまく汎化しない可能性があります。また、レアな単語や特定ドメインの語彙に対しては、一般的な単語ほど効果的に処理できない場合があります。

訓練手順

このモデルは、Microsoft Azureからの高品質な合成トルコ語音声録音で構成されるトルコ語音声データセットでファインチューニングされました。データセットは訓練サブセットと評価サブセットに分割され、評価セットはモデルの損失と全体的な性能を測定するために使用されました。

訓練ハイパーパラメータ

訓練中に以下のハイパーパラメータが使用されました。

• learning_rate: 0.0001
• train_batch_size: 4
• eval_batch_size: 2
• seed: 42
• gradient_accumulation_steps: 8
• total_train_batch_size: 32
• optimizer: Adam（betas=(0.9,0.999)、epsilon=1e-08）
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 100
• training_steps: 660
• mixed_precision_training: Native AMP

訓練結果

フレームワークバージョン

• Transformers 4.42.4
• Pytorch 2.4.0+cu121
• Datasets 2.21.0
• Tokenizers 0.19.1

📄 ライセンス

このモデルはMITライセンスの下で提供されています。