Речь в текстСинтез речи

MMS (Massively Multilingual Speech)

Речевые модели Meta более чем на тысячу языков. В списке поддержки есть башкирский, татарский, чувашский, якутский, осетинский, чеченский, аварский, удмуртский, марийский, эрзянский, мокшанский, калмыцкий и карельский. Качество по языкам очень разное, проверять надо на своих записях.

Последняя открытая версия вышла в сен 2023. Семейство давно не обновлялось: это не значит, что модель не работает, но свежих исправлений и новых размеров ждать не стоит.

Разработчик: Meta AI, США
Первый выпуск: май 2023
Последний выпуск: сен 2023
Размеры: 300M – 1B
Лицензия: Только некоммерческоеCC-BY-NC 4.0 — только некоммерческое использование
Русский язык: Есть
Запуск: Через свой серверРаботает и без видеокарты
Сферы: Медиа и продакшн, Госсектор, Образование, Поддержка клиентов

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Расшифровка аудио и видео на редких языках
Озвучивание текста на национальном языке
Определение, на каком языке звучит запись
Основа для дообучения под один конкретный язык

Где применяется

Медиа, архивы и библиотекиГосударственные и муниципальные учрежденияОбразование и сохранение языков

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

подходит

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

сен 2023MMS-TTS, отдельные модели синтеза по языкам
июн 2023MMS-LID, определение языка записи
май 2023MMS-1B-all, распознавание речи

Как запустить

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам.

Частые вопросы

Можно ли использовать MMS (Massively Multilingual Speech) в коммерческом проекте?

Нет. Лицензия: CC-BY-NC 4.0 — только некоммерческое использование. Для коммерческого продукта нужна другая модель или отдельное соглашение с правообладателем.

Какое железо нужно для MMS (Massively Multilingual Speech)?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли MMS (Massively Multilingual Speech) русский язык?

Да, русский язык заявлен в карточке модели.

Где скачать MMS (Massively Multilingual Speech) и сколько это стоит?

Веса MMS (Massively Multilingual Speech) лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.