holos-native-models / README.md
Morkon's picture
Replace 27 default voices with 29 CC0 Ukrainian voices
aa507f0 verified
|
Raw History Blame Contribute Delete
7.95 kB
---
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).