speecht5_finetuned_voxpopuli_itオープンソースのテキスト読み上げモデル

Speecht5 Finetuned Voxpopuli It

Sandiago21によって開発

マイクロソフトのSpeechT5アーキテクチャを基にファインチューニングしたイタリア語テキスト音声変換モデルで、VOXPOPULIデータセットでトレーニング済み

ダウンロード数 35

リリース時間 : 7/12/2023

モデル概要

このモデルはイタリア語テキストを自然な音声に変換するために特別に設計されており、音声合成アプリケーションに適しています

イタリア語最適化

イタリア語の音声特性に特化して最適化されたトレーニングを実施

SpeechT5アーキテクチャ採用

マイクロソフトの先進的なSpeechT5音声合成アーキテクチャを採用

VOXPOPULIデータセットでトレーニング

高品質なVOXPOPULIイタリア語データセットを使用してトレーニング

イタリア語テキスト音声変換

音声合成

音声アプリケーション

音声アシスタント

イタリア語音声アシスタントに自然な音声出力を提供

オーディオブック

イタリア語テキストコンテンツを音声に変換

このモデルは、VOXPOPULIデータセットでmicrosoft/speecht5_ttsを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、損失率0.46を達成しています。

このモデルは、microsoft/speecht5_ttsをVOXPOPULIデータセットでファインチューニングしたものです。評価セットでは、以下の結果を達成しています。

詳細情報は後日追加予定です。

詳細情報は後日追加予定です。

詳細情報は後日追加予定です。

学習中に以下のハイパーパラメータが使用されました。

学習損失率	エポック	ステップ	検証損失率
0.5641	1.0	712	0.5090
0.5394	2.0	1424	0.4915
0.5277	3.0	2136	0.4819
0.5136	4.0	2848	0.4798
0.5109	5.0	3560	0.4733
0.5078	6.0	4272	0.4731
0.5033	7.0	4984	0.4692
0.5021	8.0	5696	0.4691
0.4984	9.0	6408	0.4670
0.488	10.0	7120	0.4641
0.491	11.0	7832	0.4641
0.4918	12.0	8544	0.4647
0.4933	13.0	9256	0.4622
0.499	14.0	9968	0.4619
0.4906	15.0	10680	0.4608
0.4884	16.0	11392	0.4622
0.4847	17.0	12104	0.4616
0.4916	18.0	12816	0.4592
0.4845	19.0	13528	0.4600
0.4788	20.0	14240	0.4594
0.4746	21.0	14952	0.4607
0.4875	22.0	15664	0.4615
0.4831	23.0	16376	0.4597
0.4798	24.0	17088	0.4595
0.4727	25.0	17800	0.4592
0.4736	26.0	18512	0.4598
0.4746	27.0	19224	0.4608
0.4728	28.0	19936	0.4589
0.4771	29.0	20648	0.4593
0.4743	30.0	21360	0.4588
0.4785	31.0	22072	0.4601
0.4757	32.0	22784	0.4597
0.4731	33.0	23496	0.4598
0.4746	34.0	24208	0.4593
0.4715	35.0	24920	0.4599
0.4769	36.0	25632	0.4622
0.4778	37.0	26344	0.4605
0.4798	38.0	27056	0.4594
0.4694	39.0	27768	0.4607
0.468	40.0	28480	0.4600