Download README.md from Morkon/holos-native-models: direct link, hf CLI and curl.
- Browser
- Download file 7.95 kB
-
https://huggingface.co/Morkon/holos-native-models/resolve/main/README.md
- Command line
-
hf download hf://Morkon/holos-native-models/README.md
-
curl -L -o README.md https://huggingface.co/Morkon/holos-native-models/resolve/main/README.md
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 (C++ native TTS, :8004) та
Promin TTS (Rust, багатоетапний
holos-onnx).
Оновлення 2026-11-01.
holos-onnx/замінено офіційним fp32-бандлом зpatriotyk/HolosTTS(новіholos.pt,voices.pt,voice_encoder.pt, офіційніonnx/таonnx-int8/). Доданоholos-onnx-int8/як опційний варіант.tts/voice_encoder.onnxоновлено 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.ptіtts/voices.jsonзамінено на 29 CC0-голосів ізMorkon/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
pip install huggingface_hub
python3 scripts/download_models.py --out models
Лише багатоетапний fp32-бандл (рекомендовано):
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:
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:
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.
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 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, пакMorkon/holos-voices-uk-cc0. Деталі та контрольні суми — уholos-onnx/README.md,holos-onnx-int8/README.mdі відповіднихSHA256SUMS.tts/voice_encoder.onnx— експорт офіційногоvoice_encoder.pt(MIT, © автор HolosTTS); ONNX-обгортка — MIT, Promin TTS.verbalizer/gemma-int8/— квантована похідна skypro1111/gemma-3-270m-uk-verbalizer та Gemma 3 270M (© Google LLC). Розповсюджується за Gemma Terms of Use; 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).