Modelpublic

Sticzu/marek-f5tts-polish

sourceHugging Facemitupdated 6mo agoView on Hugging Face

3likes229downloads

Model Card

🎙️ Marek — Polski Model TTS (F5-TTS)

Marek to model text-to-speech wytrenowany na języku polskim, oparty na architekturze F5-TTS. Model generuje naturalnie brzmiący głos męski w języku polskim.

�� Próbki Audio / Audio Samples

Poniższe próbki zostały wygenerowane przez model (bez post-processingu):

Próbka	Tekst
🎵 Lokomotywa — Tuwim	"Stoi na stacji lokomotywa, ciężka, ogromna i pot z niej spływa..."
🎵 Pan Tadeusz — Mickiewicz	"Litwo, ojczyzno moja! ty jesteś jak zdrowie..."
🎵 Nic dwa razy — Szymborska	"Nic dwa razy się nie zdarza i nie zdarzy..."
🎵 Deszcz jesienny — Staff	"O szyby deszcz dzwoni, deszcz dzwoni jesienny..."
🎵 Do Matki Polki — Mickiewicz	"O matko Polko! gdy u syna twego w źrenicach błyszczy..."

📁 Wszystkie próbki dostępne w folderze `samples/`

📦 Model

—Architektura: F5-TTS
—Język: Polski 🇵🇱
—Checkpoint: model_205500.pt (~205 500 kroków treningu)
—Vocab: vocab.txt (alfabet polski)
—Format audio wyjściowego: WAV 24kHz

🚀 Użycie / Usage

python

from f5_tts.api import F5TTS

tts = F5TTS(
    model_type="F5TTS",
    ckpt_file="model_205500.pt",
    vocab_file="vocab.txt",
)

audio, sr, _ = tts.infer(
    ref_file="referencja.wav",       # ~5-10s próbka głosu
    ref_text="Tekst referencyjny.",  # transkrypcja próbki
    gen_text="Dzień dobry! To jest test modelu Marek.",
)

📂 Pliki w repozytorium

Plik	Opis
`model_205500.pt`	Wagi modelu (główny checkpoint)
`vocab.txt`	Słownik znaków dla języka polskiego
`samples/`	Przykłady wygenerowanej mowy

📊 Trening

—Baza: F5-TTS pretrained (angielski, 1 250 000 kroków)
—Fine-tuning: polski dataset mowy (1 845 próbek, ~60 min audio)
—GPU: NVIDIA RTX 4060
—Kroki fine-tuningu: ~205 500 updates
—Czas treningu: ~4–5 dni (ciągły trening, 19–23 marca 2026)
—Learning rate: 1e-6 (konserwatywny fine-tuning)
—Batch size: 1600 audio frames/GPU

📝 Licencja

Ten model jest udostępniany na licencji MIT — identycznej jak oryginalny projekt F5-TTS.

Możesz swobodnie używać, modyfikować i dystrybuować model, również komercyjnie. Zobacz plik LICENSE po szczegóły.

Wygenerowane przez Kolor AI 🎨