中文简介
owensong/Inflect-Nano-v2 是 owensong 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 cd2a92f85417,同步到 82 个文件,文件元数据合计 25.39 MB;访问状态为“公开”,许可证字段为“apache-2.0”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 owensong/Inflect-Nano-v2 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
owensong/Inflect-Nano-v2 是 owensong 在 Hugging Face 发布的模型仓库,当前卡片主要关联语音合成。本站固定记录上游版本 cd2a92f85417,同步到 82 个文件,文件元数据合计 25.39 MB;访问状态为“公开”,许可证字段为“apache-2.0”。
【适用方向】
适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:cd2a92f85417。 任务标签:语音合成。 语言字段:en。 上游页面记录的最近更新时间:2026-07-25。
【文件信息】
上游 API 返回 82 个文件,文件元数据合计 25.39 MB。 已保存文件清单中的主要扩展名:.json 28 个、.py 16 个、.md 9 个、.svg 7 个、.txt 5 个、.wav 5 个。 当前较大的文件包括:model.pth(15.23 MB);evaluation/legacy/release500/asr_combined/report.json(8.40 MB);evaluation/legacy/release500/whisper_large_v3/report.json(4.56 MB)。
【运行或处理环境】
仓库文件元数据合计 25.39 MB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
Inflect-Nano-v2 Complete local text-to-waveform speech synthesis under 4M parameters. Fixed-voice English TTS with deterministic seeds, long-text handling, and CPU or CUDA inference. **A note from Owen** I built and funded Inflect v2 independently, spending more than US$500 on training and evaluation. If this release finds a real audience, I would like to continue the project with a broader v3. If the model is useful to you, leaving a like on Hugging Face genuinely helps more people discover it. 3,966,721 deployable parameters · 15.97 MB FP32 · 24 kHz mono output Inflect v2 uses one public API across two sizes: **Micro prioritizes quality below 10M parameters; Nano prioritizes footprint below 4M.** Explore this model card | Start here | Technical detail | | --- | --- | | Listen | Architecture | | Evaluation | Controls and long text | | Choose Micro or Nano | Data and adaptation | | Run locally | Exports and quantization | | Package map | Evaluation and raw protocol | | Limitations | Deployment guide | Listen These are held-out text generations, not reconstructions of training audio. Each transcript is shown exactly as passed to the public frontend. | Test | Exact transcript | Generated audio | | --- | --- | --- | | **Conversational** | It wasn't until later that I realized what had actually happened. | | | **Punctuation** | First, close the window; second, turn off the lamp; finally, lock the door. | | | **Numbers** | The package weighs twelve point six kilograms and arrived on July twenty-first. | | | **Names and places** | Gwendolyn photographed the eucalyptus trees outside Ljubljana. | | | **Technical** | The system runs on three core components that all have to stay in sync. | | Evaluation No single metric captures TTS quality. Inflect v2 reports **human preference**, **predicted naturalness**, **multi-ASR intelligibility**, **complete footprint**, and **runtime** separately rather than compressing them into one unverifiable score. | Community preference ↑ | UTM
适用场景
适合评估语音合成、音色控制和语音交互原型。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:cd2a92f85417。 任务标签:语音合成。 语言字段:en。 上游页面记录的最近更新时间:2026-07-25。
文件说明
上游 API 返回 82 个文件,文件元数据合计 25.39 MB。 已保存文件清单中的主要扩展名:.json 28 个、.py 16 个、.md 9 个、.svg 7 个、.txt 5 个、.wav 5 个。 当前较大的文件包括:model.pth(15.23 MB);evaluation/legacy/release500/asr_combined/report.json(8.40 MB);evaluation/legacy/release500/whisper_large_v3/report.json(4.56 MB)。
上游文件元数据
.gitattributes1.87 KBassets/evidence/asr-consensus.svg3.15 KBassets/evidence/asr-robustness.svg4.53 KBassets/evidence/category-semantic-wer.svg5.98 KBassets/evidence/evidence-summary.json51.37 KBassets/evidence/human-preference.svg4.30 KBassets/evidence/model-footprint.svg2.55 KBassets/evidence/modern400-three-asr.svg7.75 KBassets/evidence/quality-vs-footprint.svg5.71 KBassets/inflect-v2-repository-hero.png1.50 MBCHANGELOG.md436 BCITATION.cff287 B
硬件建议
仓库文件元数据合计 25.39 MB。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“apache-2.0”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。