ice-012-audio

מה זה

מדובר במודל טקסט לדיבור בקנה מידה של 714 מיליון פרמטרים שמבוסס על ארכיטקטורת iceReengineeredAudioForCausalLM. המודל מייצר פלט בהזרמה ומציע שכפול קול לפי דגימת שמע לצד שליטה ידנית במין, גיל, גובה צליל, סגנון דיבור ומהירות. היוצרים שלו הטמיעו מתאם אקוסטי שמתאים את ייצוגי הקידוד לפני עמוד השדרה של המודל ומעדכן את המצבים הנסתרים אחריו.

הייחוד המרכזי כאן הוא היקף השפות. המפתחים מדווחים על תמיכה ב־590 שפות וניבים, עם דגש בולט על שלל דיאלקטים בערבית לצד שפות כמו עברית ואנגלית. אין בכרטיס המודל תוצאות של מבחני ביצועים, מדדי דמיון קולי או השוואות איכות מול פתרונות אחרים, כך שההבטחה נשענת על מפרט התכונות ודגימות ההאזנה שהועלו לרשת.

מתאים ל

• מחקר בדיאלקטים

  כיסוי חריג של ניבים ערביים ושפות נדירות שמאפשר בדיקות השוואתיות.

• עוזרי קול מקומיים

  משקל של 1.3 גיגה בייט מתאים להרצה על חומרה ביתית ללא ענן.

• ניסויי שיבוט שמע

  בדיקת יכולות התאמת קול לפי דגימה קצרה בסביבת פיתוח פנימית.

איפה זה נופל

הרצה של המודל מחייבת הרצת קוד צד שלישי ישירות מהמאגר, מה שמציב סיכון אבטחה שדורש בדיקת קוד לפני הטמעה. למרות ההבטחה ל־590 שפות, כרטיס המודל לא מציג שום מידע על היקף שעות האימון לכל שפה, ולכן באיכות של שפות משניות כמו עברית צפויים פערים לעומת ניבים ערביים שזכו למיקוד. בנוסף, חסרים נתונים על שיהוי בהזרמה וביצועי שכפול קול מדויקים.

איך מריצים

בזכות משקל של כ־1.3 גיגה בייט ב־18 קבצים, המודל הזה קל מאוד לאחסון וטעינה. כדי להריץ אותו משתמשים בספריית Transformers עם trust_remote_code=True כי הוא דורש קוד מותאם אישית מהמאגר, וכל כרטיס מסך מודרני פשוט עם 4 עד 6 גיגה בייט זיכרון ייעודי יחזיק אותו בלי להתאמץ.

הריצה המקומית הגיונית אם אתם בונים שירות פרטי, צריכים הזרמה ללא תלות ברשת או מטרגטים ניב נדיר. אם הדרישה שלכם היא הפקת שמע מסחרית שגרתית באנגלית או עברית תקנית, שירותי ענן קיימים יתנו בדרך כלל יציבות גבוהה יותר בלי הצורך לנהל תלויות קוד מקומיות.

pip install -U huggingface_hub
hf download darkps/ice-012-audio

הקבצים

18 קבצים במאגר, 1.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors1.4 GB
• tokenizer.json11.4 MB
• assets/ice012_logo.mp42.7 MB
• assets/language_stats.png350.8 KB
• test/oshasalah.mp3261.0 KB
• config.json125.2 KB
• assets/logo.jpg112.5 KB
• modeling_iceAudio.py92.0 KB
• test/MrBest.mp387.1 KB
• test/Molham.mp381.8 KB
• test/Wissam.mp376.0 KB
• README.md32.1 KB
• configuration_iceAudio.py3.2 KB
• acoustic_adapter.py2.4 KB
• tokenization_iceAudio.py1.5 KB
• tokenizer_config.json855 B
• __init__.py337 B
• generation_config.json121 B

הרישיון

המודל מופץ תחת רישיון cc-by-nc-4.0. המשמעות פשוטה, אסור להשתמש בו ישירות או בעקיפין לשום מטרה מסחרית או במוצר שמייצר הכנסות. אם המטרה היא מחקר, בדיקות פנימיות או פרויקט אישי, השימוש מותר כל עוד נותנים קרדיט מתאים ליוצרים.

• שינוי הקוד
• חובת ייחוס
• שימוש מסחרי: לא

הרישיון המלא בעמוד המודל ↗