nimaaaAI/MOSS-TTS-Nano-Persian
MOSS-TTS-Nano Persian !ChatGPT Image Aug 25, 2026 at 112708 PM(https://cdn-uploads.huggingface.co/production/uploads/695d631fb99fc6088f3b583c/QRq6GguLPLVWVb385eMsg.png) A Persian (Farsi) fine tune of OpenMOSS-Team/MOSS-TTS-Nano(https://huggingface.c...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🔊 Bản fine-tune tiếng Pháp Persia của MOSS-TTS-Nano — Giọng nói tự nhiên hơn hẳn
Bản fine-tune này chỉ thay đổi accent — giọng nói tiếng Pháp Persia nghe tự nhiên gần như người bản xứ hơn hẳn so với mô hình gốc.
MOSS-TTS-Nano Persian là một bản fine-tune tiếng Pháp (Farsi) của mô hình văn bản-thành-giọng nói MOSS-TTS-Nano 117M tham số từ OpenMOSS-Team. Trong khi mô hình gốc đọc tiếng Pháp với giọng Anh hoặc Trung Quốc rõ rệ, bản fine-tune này được huấn luyện trên 34.000 đoạn audio tiếng Pháp từ Mozilla Common Voice, giúp giọng nói nghe tự nhiên, gần như không còn dấu accent nước ngoài.
✨ Điểm nổi bật
- Fine-tune riêng cho tiếng Pháp Persia: được huấn luyện trên 34.000 đoạn audio từ Mozilla Common Voice phiên bản 13.
- Cải thiện accent tự nhiên: so với mô hình gốc, giọng nói tiếng Pháp được đọc tự nhiên, không còn giọng Anh hoặc Trung Quốc rõ rệ.
- Chỉ 117M tham số: nhỏ gọn, chỉ 570MB ở định dạng fp32, chạy trên CPU hoặc GPU.
- Zero-shot voice cloning: chỉ cần vài giây audio mẫu, mô hình có thể sao chép giọng người.
- Hỗ trợ voice cloning: dùng để sao chép giọng nói từ audio mẫu, phù hợp cho ứng dụng TTS cá nhân hóa.
- Tốc độ sinh nhanh: trên CPU mất ~24s, trên GPU T4 mất ~21s cho một câu ngắn, phần lớn là thời gian tải mô hình.
- Tương thích với Transformers: sử dụng thư viện Transformers của Hugging Face để tải mô hình và thực hiện sinh giọng nói.
💡 Vì sao đáng chú ý
Đây không phải là một mô hình TTS mới được thiết kế từ đầu, mà là một bản fine-tune rất tinh vi của mô hình MOSS-TTS-Nano gốc. Thay vì thay đổi kiến trúc hoặc kích thước, bản fine-tune này tập trung hoàn toàn vào việc cải thiện chất lượng giọng nói tiếng Pháp bằng cách huấn luyện trên dữ liệu âm thanh tiếng Pháp chất lượng cao. Điều này cho thấy hiệu quả mạnh mẽ của việc fine-tune trên ngôn ngữ mục tiêu, thay vì dựa vào khả năng đa ngôn ngữ chung chung của mô hình gốc.
#MOSS-TTS #PersianTTS #TextToSpeech #VoiceCloning #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
Kokoro is an open-weight TTS model with 82 million parameters. Despite its lightweight architecture, it delivers comparable quality to larger models while being significantly faster and more cost-efficient. With Apache-licensed weights, Kokoro can be...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
VoxCPM2 VoxCPM2 is a tokenizer-free, diffusion autoregressive Text-to-Speech model — 2B parameters, 30 languages, 48kHz audio output, trained on over 2 million hours of multilingual speech data. !GitHub(https://img.shields.io/badge/GitHub-VoxCPM-blu...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative Voice Design, and True-to-Life Cloning
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...