File size: 7,948 Bytes
6682055 80329cc 6682055 5b38110 aa507f0 5b38110 6682055 aa507f0 5b38110 aa507f0 5b38110 6682055 5b38110 80329cc 5b38110 80329cc 5b38110 aa507f0 b5c1197 aa507f0 b5c1197 aa507f0 b5c1197 aa507f0 b5c1197 6682055 5b38110 aa507f0 5b38110 6682055 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 | ---
license: other
license_name: gemma-terms-of-use
license_link: https://ai.google.dev/gemma/terms
tags:
- tts
- ukrainian
- text-normalization
- onnx
---
# HolosTTS native models
Моделі для [holos-tts-core](https://github.com/) (C++ native TTS, :8004) та
[Promin TTS](https://github.com/Karnemorkon/promin-tts) (Rust, багатоетапний
`holos-onnx`).
> **Оновлення 2026-11-01.** `holos-onnx/` замінено **офіційним fp32-бандлом**
> з [`patriotyk/HolosTTS`](https://huggingface.co/patriotyk/HolosTTS)
> (нові `holos.pt`, `voices.pt`, `voice_encoder.pt`, офіційні `onnx/` та
> `onnx-int8/`). Додано `holos-onnx-int8/` як **опційний** варіант.
> `tts/voice_encoder.onnx` оновлено під новий простір ембеддінгів.
> **Старі клоновані голоси (`speakers/*.npy`) несумісні** — їх треба
> зареєструвати заново з референсного WAV.
>
> **Оновлення 2026-11-14.** Голосові пресети в `holos-onnx/voices.npz`,
> `holos-onnx-int8/voices.npz`, `tts/voices.pt` і `tts/voices.json` замінено
> на **29 CC0-голосів** із [`Morkon/holos-voices-uk-cc0`](https://huggingface.co/datasets/Morkon/holos-voices-uk-cc0).
> Стандартні 27 голосів HolosTTS, диктори яких не давали згоди, більше
> не постачаються.
| Шлях | Розмір | Призначення |
|---|---|---|
| `holos-onnx/` | ~730 MB | **основний** офіційний fp32-бандл HolosTTS: `encoder` + `prosody` + `decoder`, стрімінгові `source` + `decoder_window`, **29 CC0-голосів** із `Morkon/holos-voices-uk-cc0` |
| `holos-onnx-int8/` | ~390 MB | **опційний** офіційний int8-бандл: менший download, нижча якість; вмикається через `PROMIN_HF_BUNDLE_PREFIX=holos-onnx-int8` |
| `tts/voice_encoder.onnx` | 195 MB | **новий** voice encoder (fp32, ONNX): wave `[1,N]` @24 кГц → voice `[1,256]`; потрібен для клонування |
| `tts/voice_encoder.pt` | 192 MB | офіційний PyTorch-енкодер, з якого експортовано ONNX |
| `tts/voices.pt` | 37 KB | 29 CC0-голосів (PyTorch) |
| `tts/holos_cpu_int8.onnx` + `vocab.json` + `voices.json` | ~1.1 GB | TTS ONNX int8 (старий однографовий формат, fallback) |
| `accentor/accentor-lite.onnx` | ~70 MB | нейро-наголос |
| `stress/stress.trie` | ~180 MB | словниковий наголос |
| `verbalizer/gemma-int8/` | 227 MB | neural verbalizer (дефолт): Gemma-3-270M-uk ONNX int8, KV-cache |
| `verbalizer/onnx-int8/` | 764 MB | legacy M2M100-418M int8 (відкат, `download_models.py --with-m2m100`) |
| `verbalizer/ct2-int8/` | — | legacy CTranslate2 |
## Завантаження
```bash
pip install huggingface_hub
python3 scripts/download_models.py --out models
```
Лише багатоетапний fp32-бандл (рекомендовано):
```bash
python -c "from huggingface_hub import snapshot_download; \
snapshot_download('Morkon/holos-native-models', \
allow_patterns=['holos-onnx/*', 'tts/voice_encoder.onnx'], \
local_dir='models')"
```
Лише опційний int8-бандл:
```bash
python -c "from huggingface_hub import snapshot_download; \
snapshot_download('Morkon/holos-native-models', \
allow_patterns=['holos-onnx-int8/*', 'tts/voice_encoder.onnx'], \
local_dir='models')"
```
Потім для Promin: `PROMIN_MODELS_DIR=models PROMIN_MODEL_FORMAT=bundle`.
Для int8 додатково `PROMIN_HF_BUNDLE_PREFIX=holos-onnx-int8` (лише для
автозавантаження; локальний каталог усе одно `holos-onnx/`).
## Ліміт 1000 кадрів
Офіційні графи мають **жорсткий** `seq_length = 1000` (≈25 с аудіо на один
виклик). 987 кадрів працюють, 1125 падають в ONNX Runtime з broadcast-помилкою.
Promin TTS v0.19+ автоматично ріже довгі фонемні частини по пробілах/межах
слів і повторює з меншим бюджетом, якщо передбачена довжина перевищує ліміт.
Інші клієнти мають робити так само або відхиляти задовгі входи.
## Клонування голосу
`tts/voice_encoder.onnx` експортовано з офіційного `voice_encoder.pt`
(PyTorch → ONNX, opset 20) з тим самим інтерфейсом, що й раніше:
`wave[1,N]` @24 кГц → `voice[1,256]`. Новий енкодер дає **інший простір
ембеддінгів**, ніж попередній: ембеддінги з `speakers/*.npy`, зроблені старим
енкодером, не можна використовувати з новими вагами. Перезапишіть кожен
клонований голос із референсного WAV (енролмент заново).
## Голоси
`holos-onnx/voices.npz`, `holos-onnx-int8/voices.npz`, `tts/voices.pt` і
legacy `tts/voices.json` містять **29 CC0-голосів** із паку
[`Morkon/holos-voices-uk-cc0`](https://huggingface.co/datasets/Morkon/holos-voices-uk-cc0):
9 чоловічих, 14 жіночих, 6 юнацьких. Усі вони синтезовані HolosTTS із
референсів Mozilla Common Voice 27.0 (uk, CC0-1.0). Точні `client_id` і
кліпи — у `SOURCES.md` паку.
Стандартні 27 голосів HolosTTS, диктори яких **не надавали згоди** на синтез,
у цих файлах більше не постачаються. Історія питання:
[discussion #5](https://huggingface.co/patriotyk/HolosTTS/discussions/5).
Ліцензія MIT стосується коду та ваг моделі. Голосові пресети поширюються
за CC0-1.0; аудіо та ембеддінги можна використовувати, зокрема комерційно,
без окремого дозволу. Не використовуйте синтезовані голоси для імітації
конкретних людей або дезінформації.
## Ліцензії
- `holos-onnx/`, `holos-onnx-int8/` — офіційний ONNX-експорт ваг
[patriotyk/HolosTTS](https://huggingface.co/patriotyk/HolosTTS) без
донавчання. Код і ваги моделі — MIT (© автор HolosTTS); ONNX-обгортки —
MIT, Promin TTS. **Голосові пресети** (`voices.npz`, `voices.pt`,
`voices.json`) — CC0-1.0, пак [`Morkon/holos-voices-uk-cc0`](https://huggingface.co/datasets/Morkon/holos-voices-uk-cc0).
Деталі та контрольні суми — у `holos-onnx/README.md`,
`holos-onnx-int8/README.md` і відповідних `SHA256SUMS`.
- `tts/voice_encoder.onnx` — експорт офіційного `voice_encoder.pt` (MIT,
© автор HolosTTS); ONNX-обгортка — MIT, Promin TTS.
- `verbalizer/gemma-int8/` — квантована похідна [skypro1111/gemma-3-270m-uk-verbalizer](https://huggingface.co/skypro1111/gemma-3-270m-uk-verbalizer)
та Gemma 3 270M (© Google LLC). Розповсюджується за
[Gemma Terms of Use](https://ai.google.dev/gemma/terms); див. `verbalizer/gemma-int8/GEMMA-NOTICE.txt`.
- `verbalizer/onnx-int8/`, `verbalizer/ct2-int8/` — похідні M2M100 (Helsinki-NLP, MIT).
- `accentor/`, `stress/`, `tts/` — див. карточки відповідних апстрім-моделей (patriotyk/*, ukrainian-word-stress, ukrainian_accentor).
|