# Humaneness Voice Small Acting: новые веса для выразительной речи

Источник: https://modelium.tech/zhurnal/humaneness-voice-small-acting-full-finetune/

11 октября LAION выложила полные веса Humaneness Voice Small Acting — исследовательской модели, которая превращает английский или немецкий текст в речь с указанием манеры произнесения. Это не готовая кнопка для домашнего ПК: авторский путь требует Python, видеокарту CUDA и отдельный звуковой кодек; стабильность голоса пока оценивают.

Нужно озвучить короткую реплику с нужной интонацией, не отправляя её облачному сервису? 11 октября 2026 года LAION открыла **Humaneness Voice Small Acting** — новые полные веса модели для превращения текста в речь. Она рассчитана на английский и немецкий языки. Пока это исследовательский выпуск для людей, умеющих запускать Python на компьютере с видеокартой NVIDIA, а не готовое домашнее приложение. [s1](#src-s1)[s2](#src-s2)

## Что изменилось по сравнению с прежней моделью

Авторы донастроили всю Humaneness Voice Small на примерах актёрского произнесения, а не выпустили ещё одну небольшую надстройку к прежним весам. В карточке указаны три прохода по обучающим данным и итоговая контрольная точка `step-00001725`. Такой файл — сохранённые параметры модели после обучения. В закреплённой ревизии Hugging Face доступны веса, код `infer.py` для получения звукового файла WAV и список зависимостей. Это действительно опубликованные файлы, но Modelium не запускал их и не оценивал качество на своём оборудовании. [s1](#src-s1)[s2](#src-s2)

Простой сценарий для понимания задачи: вы задаёте английскую реплику «Please close the window» и отдельно просите сказать её спокойно. Ожидаемый тип результата — звуковой файл с произнесённой репликой, а не текстовый ответ. Можно передать короткую запись голоса говорящего в качестве образца, но это не гарантия точного копирования голоса: авторы ещё проверяют, насколько устойчиво сохраняется его узнаваемость. Для чужого голоса необходимо согласие человека; синтетическую речь стоит обозначать как синтетическую. [s1](#src-s1)

## Что нужно знать перед локальным запуском

Автор предлагает запускать `infer.py` с модельным файлом и устанавливать зависимости из `requirements.txt`; отдельно загружается MOSS Audio Tokenizer v2 — компонент, который превращает внутреннее представление речи в звук. Простая загрузка файла весов через `AutoModel.from_pretrained()` здесь не подходит: код автора специально снимает служебный префикс с названий параметров. Это технический путь для опытного пользователя, **не пошаговая домашняя инструкция**. [s1](#src-s1)[s3](#src-s3)

Авторы указывают испытанный ими сервер JUPITER с GPU GH200, Python 3.13, PyTorch 2.9 и форматом вычислений BF16. Это **условия авторского запуска, не минимальные требования к видеопамяти или домашнему компьютеру**. Подтверждённого домашнего минимума и результатов на обычной видеокарте в карточке нет. Установка и первая загрузка модели и кодека требуют получения файлов; после подготовки предполагается локальная обработка, но редакция не проверяла работу с отключённой сетью. [s1](#src-s1)[s3](#src-s3)

## Стоит ли переходить на новые веса

Если вы лишь начинаете пользоваться локальной озвучкой, ждать простого приложения разумнее, чем собирать этот исследовательский стек. Если уже работаете с CUDA и исходным кодом, новую контрольную точку можно сравнить на собственных фразах и с согласия владельца записи. У авторов есть подборка из 70 примеров для прослушивания, но они прямо не считают её строгим слепым сравнением качества; стабильность произнесения и голоса остаётся открытым вопросом. Русский язык в карточке не заявлен. [s1](#src-s1)

Веса Small и собственные материалы опубликованы под CC BY 4.0 с требованием указать авторов; для звукового кодека и других зависимостей действуют отдельные условия. Открытая публикация весов не равна обещанию беспроблемного использования любой комбинации компонентов. Если интересны предыдущие эксперименты с манерой речи, посмотрите [четыре адаптера Humaneness Voice Small](/zhurnal/humaneness-voice-small-dpo-four-loras-acting/): нынешний выпуск отличается полной донастройкой модели. [s1](#src-s1)[s4](#src-s4)[s3](#src-s3)

*Источники проверены 11 октября 2026 года; ревизия Small Acting — *`*95d0bff7da24729d5a7c9c9d88986d52ed8c939c*`*. Ни качество голоса, ни минимальное железо Modelium не измерял.*

## Источники

1. [LAION Humaneness Voice Small Acting — карточка ревизии 95d0bff7](https://huggingface.co/laion/Humaneness-Voice-Small-Acting/blob/95d0bff7da24729d5a7c9c9d88986d52ed8c939c/README.md) — получено 2026-10-11
2. [Hugging Face API — файлы и дата полной контрольной точки](https://huggingface.co/api/models/laion/Humaneness-Voice-Small-Acting/revision/95d0bff7da24729d5a7c9c9d88986d52ed8c939c) — получено 2026-10-11
3. [MOSS Audio Tokenizer v2 — карточка отдельного кодека](https://huggingface.co/OpenMOSS-Team/MOSS-Audio-Tokenizer-v2) — получено 2026-10-11
4. [LAION Humaneness Voice Small Acting — условия CC BY 4.0](https://huggingface.co/laion/Humaneness-Voice-Small-Acting/blob/95d0bff7da24729d5a7c9c9d88986d52ed8c939c/LICENSE) — получено 2026-10-11