itxtoledo commited on
Commit
4658dd1
·
verified ·
1 Parent(s): 4422a76

Model card no formato usual (exemplos, uso PyTorch/Mac/ONNX, citação); exemplos com os textos da demo

Browse files
.gitattributes CHANGED
@@ -43,3 +43,9 @@ samples/pergunta_F_s4.wav filter=lfs diff=lfs merge=lfs -text
43
  samples/pergunta_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
44
  samples/saudacao_F_s4.wav filter=lfs diff=lfs merge=lfs -text
45
  samples/saudacao_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
 
 
 
 
 
 
 
43
  samples/pergunta_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
44
  samples/saudacao_F_s4.wav filter=lfs diff=lfs merge=lfs -text
45
  samples/saudacao_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
46
+ samples/historia_F_s4.wav filter=lfs diff=lfs merge=lfs -text
47
+ samples/historia_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
48
+ samples/poesia_F_s4.wav filter=lfs diff=lfs merge=lfs -text
49
+ samples/poesia_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
50
+ samples/semfence_F_s4.wav filter=lfs diff=lfs merge=lfs -text
51
+ samples/semfence_M_sm4.wav filter=lfs diff=lfs merge=lfs -text
README.md CHANGED
@@ -1,56 +1,169 @@
1
  ---
2
- language: pt
 
3
  license: apache-2.0
4
  library_name: pytorch
5
  pipeline_tag: text-to-speech
6
- tags: [text-to-speech, tts, pt-br, brazilian-portuguese, onnx, webgpu]
7
- datasets: [semfence/ptbr-synthetic-speech, semfence/ptbr-sentences]
 
 
 
 
 
 
 
 
8
  ---
9
-
10
  # tiny-voca-ptbr
11
 
12
- Um modelo de texto para fala em **português do Brasil (pt-BR)** com **4,5 milhões de parâmetros** (4.533.259) e duas vozes
13
- sintéticas, treinado do zero. Roda em CPU, na GPU do Mac (MPS) e no navegador (WebGPU/WASM). É a receita do
14
- [tiny-voca](https://github.com/n4ze3m/tiny-voca) (Muhammed Nazeem, Apache-2.0) aplicada ao português do Brasil.
 
 
 
 
 
 
 
 
15
 
16
  > **Só pt-BR.** Não serve para português de Portugal nem para outras línguas.
17
 
18
- **Experimente no navegador, sem instalar nada:** [semfence/tiny-voca-ptbr-demo](https://huggingface.co/spaces/semfence/tiny-voca-ptbr-demo).
 
 
 
 
 
 
 
19
 
20
- Criado pela **SemFence** · pesquisador: **Gustavo Toledo**. Se usar, cite **SemFence (Gustavo Toledo)**.
 
21
 
22
  ## Arquivos
23
 
24
- | Arquivo | O que é |
25
- |---|---|
26
- | `tiny-voca-ptbr.pt` | Checkpoint de inferência (PyTorch), passo 104.000 |
27
- | `onnx/model.onnx` + `model.json` | Mesmo modelo em ONNX (21 MB, float32) e metadados (símbolos, vozes, taxa de amostragem) |
28
- | `samples/` | Áudios de exemplo, voz feminina (`F_s4`) e masculina (`M_sm4`) |
29
- | `eval/report.json` | Relatório completo da avaliação (WER por clipe, transcrições) |
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
30
 
31
  ## Uso
32
 
33
- O código (treino, inferência, ONNX e a demo) está em [`SemFence/tiny-voca-ptbr`](https://github.com/SemFence/tiny-voca-ptbr).
34
- Precisa do fonemizador [`dizione-ptbr`](https://github.com/SemFence/dizione-ptbr) (Python) ou
35
- [`@semfence/dizione-ptbr`](https://github.com/SemFence/dizione-ptbr-js) (TypeScript), com saída idêntica.
36
 
37
  ```bash
38
- git clone https://github.com/SemFence/tiny-voca-ptbr && cd tiny-voca-ptbr && pip install -e ".[own]"
39
- python -m tiny_voca.infer --checkpoint tiny-voca-ptbr.pt --voice F_s4 \
40
- --text "Olá! Este é o tiny voca em português." --output ola.wav
 
 
 
 
 
41
  ```
42
 
43
- Opções: `--voice F_s4|M_sm4`, `--speed`, `--pitch-shift`, `--pitch-range`, `--device cpu|mps|cuda`.
 
 
 
 
 
 
 
44
 
45
- **No Mac (GPU Apple, Metal/MPS):**
 
 
 
46
 
47
  ```bash
48
- python -m tiny_voca.infer --checkpoint tiny-voca-ptbr.pt --voice M_sm4 --device mps \
49
  --text "Esta voz roda na GPU do seu Mac." --output mac.wav
50
  ```
51
 
52
- No Apple M4 isso dá ~165× o tempo real, contra ~113× na CPU, com o mesmo áudio (veja a tabela de velocidade abaixo).
53
- O ONNX recebe ids de fonemas e acento e devolve o áudio (veja `export.py`). Texto longo é lido frase a frase.
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
54
 
55
  ## Dados de treino
56
 
@@ -63,8 +176,9 @@ As durações dos fonemas vêm de alinhamento forçado com `facebook/wav2vec2-lv
63
 
64
  ## Treino
65
 
66
- 104.000 passos em uma RTX 5080 alugada (~8 h, cerca de US$ 3 de GPU), receita do tiny-voca: 8.000 passos só com perdas
67
- espectrais e depois perda adversarial com discriminadores. Os 55 símbolos vêm do `dizione-ptbr` (tabela só de acréscimo).
 
68
 
69
  ## Avaliação
70
 
@@ -82,7 +196,7 @@ os mesmos textos: 0,35% (voz feminina) e 1,63% (voz masculina), pelo controle de
82
 
83
  **O que isso não mostra.** São poucos clipes (128 no total, 64 por voz), o avaliador é um modelo automático e não há teste de
84
  audição com pessoas. WER baixo diz que as palavras saem inteligíveis, não que a voz é natural. A qualidade do som é a do
85
- tiny-voca original: o sintetizador por filtro e pulsos (25 mil parâmetros) soa mais sintético do que um vocoder neural.
86
 
87
  ### Velocidade (Apple M4)
88
 
@@ -94,21 +208,45 @@ tiny-voca original: o sintetizador por filtro e pulsos (25 mil parâmetros) soa
94
  | Navegador, WebGPU | ~0,23 s (14,9 s de áudio) | ~65× |
95
  | Navegador, WASM (CPU) | ~1,8 s (14,9 s de áudio) | ~8,5× |
96
 
97
- O ONNX tem as mesmas durações do PyTorch e diferença pequena no áudio (até 3,6% no pior caso testado, `scripts/check_onnx.py`).
98
- O MPS dá o mesmo áudio da CPU (erro relativo < 0,1%). No navegador, o comprimento do áudio é idêntico ao do PyTorch.
99
-
100
  ## Limitações
101
 
102
- - Só duas vozes fixas, sem clonagem. Só pt-BR (t/d palatalizados antes de "i", "l" final como `w`, "r" final como `x`).
103
- Sotaques regionais (chiado carioca, "r" caipira) não são modelados.
104
- - O fonemizador tem limites: homógrafos ("almoço", "sede") não se distinguem; nomes e palavras estrangeiras são lidos com
105
- regras do português ("pix" → "pi-chi"); siglas sem vogal são soletradas. O léxico às vezes diverge da voz
106
- (ex.: "ou" átono sai `o w` no léxico).
107
  - Números, datas, horas e valores são normalizados por regras; telefones, URLs, algarismos romanos e unidades não.
108
- - Os dados são 100% sintéticos: o modelo imita as duas vozes de referência, com os defeitos do Chatterbox (que embute marca
109
- d'água Perth no áudio de treino).
 
 
 
 
 
110
 
111
  ## Licença
112
 
113
- Código e pesos: Apache-2.0. Dataset: CC BY 4.0 com crédito obrigatório a **SemFence (Gustavo Toledo)**. Léxico do
114
  fonemizador: CC BY 4.0 (dicionário MFA de Michael McAuliffe e Morgan Sonderegger).
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
  ---
2
+ language:
3
+ - pt
4
  license: apache-2.0
5
  library_name: pytorch
6
  pipeline_tag: text-to-speech
7
+ tags:
8
+ - text-to-speech
9
+ - tts
10
+ - pt-br
11
+ - brazilian-portuguese
12
+ - onnx
13
+ - webgpu
14
+ datasets:
15
+ - semfence/ptbr-synthetic-speech
16
+ - semfence/ptbr-sentences
17
  ---
 
18
  # tiny-voca-ptbr
19
 
20
+ tiny-voca-ptbr é um modelo pequeno de texto para fala em **português do Brasil**, da **SemFence**, com duas vozes
21
+ sintéticas, `F_s4` (feminina) e `M_sm4` (masculina). O modelo completo, com o gerador de onda, tem 4,5 milhões de
22
+ parâmetros e foi treinado do zero com 24,7 horas de fala sintética. Roda em CPU, na GPU do Mac (Metal/MPS) e no
23
+ navegador (WebGPU ou WASM).
24
+
25
+ <audio controls src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/semfence_F_s4.wav"></audio>
26
+
27
+ - Experimente no navegador: https://huggingface.co/spaces/semfence/tiny-voca-ptbr-demo
28
+ - Código: https://github.com/SemFence/tiny-voca-ptbr
29
+ - Fonemizador: https://github.com/SemFence/dizione-ptbr (Python) e https://github.com/SemFence/dizione-ptbr-js (TypeScript), com saída idêntica
30
+ - Datasets: https://huggingface.co/datasets/semfence/ptbr-synthetic-speech e https://huggingface.co/datasets/semfence/ptbr-sentences
31
 
32
  > **Só pt-BR.** Não serve para português de Portugal nem para outras línguas.
33
 
34
+ | | |
35
+ |---|---|
36
+ | Parâmetros | 4.533.259 |
37
+ | Vozes | `F_s4` (feminina), `M_sm4` (masculina), sintéticas, português do Brasil |
38
+ | Saída | 24 kHz, mono |
39
+ | Entrada | Texto, convertido em fonemas pelo dizione-ptbr (55 símbolos) |
40
+ | Pesos pré-treinados no modelo | Nenhum (treinado do zero) |
41
+ | Licença | Apache-2.0 |
42
 
43
+ Criado pela **SemFence** · pesquisador: **Gustavo Toledo**. É a receita do [tiny-voca](https://huggingface.co/n4ze3m/tiny-voca)
44
+ (Muhammed Nazeem) aplicada ao português do Brasil.
45
 
46
  ## Arquivos
47
 
48
+ | Arquivo | Tamanho | Conteúdo |
49
+ |---|---:|---|
50
+ | `tiny-voca-ptbr.pt` | 18,2 MB | Pesos PyTorch, float32, passo 104.000 |
51
+ | `onnx/model.onnx` | 21,4 MB | Exportação ONNX, float32, opset 17 |
52
+ | `onnx/model.json` | | Símbolos, vozes, taxa de amostragem e limites do modelo |
53
+ | `samples/` | | Os áudios desta página |
54
+ | `eval/report.json` | | Avaliação completa (WER por clipe e transcrições) |
55
+
56
+ SHA256:
57
+
58
+ - `tiny-voca-ptbr.pt`: `ae4614b02572f59ea0c60f81fcbc3d0dd995d8f82321cee3d7546c7a6f8627e2`
59
+ - `onnx/model.onnx`: `0ac1ffc83e508973513182ed79d4626556e35bcffcccd99ee066dde6d2c77e5b`
60
+
61
+ ## Exemplos
62
+
63
+ | Texto | F_s4 | M_sm4 |
64
+ |---|---|---|
65
+ | Olá! Esta voz foi gerada pela SemFence, por um modelo pequeno que roda inteiramente no seu navegador. SemFence: vozes abertas em português do Brasil. | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/semfence_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/semfence_M_sm4.wav"></audio> |
66
+ | Olá! Aqui é a voz da SemFence, rodando inteiramente no seu navegador. Gostou? Então lembre-se: SemFence. | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/saudacao_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/saudacao_M_sm4.wav"></audio> |
67
+ | A SemFence marcou a reunião para as 15h30 do dia 14/03/2026, e o pagamento de R$ 1.250,50 vence em 3 dias. | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/numeros_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/numeros_M_sm4.wav"></audio> |
68
+ | Você já conhecia a SemFence? Pois agora ela fala português do Brasil, e de graça para todo mundo! | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/pergunta_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/pergunta_M_sm4.wav"></audio> |
69
+ | O outono chega pintando as árvores de tons dourados, alaranjados e avermelhados. As folhas caem, o vento sopra suavemente e a natureza nos ensina que até deixar ir pode ser uma forma de florescer. Esta voz é da SemFence. | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/poesia_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/poesia_M_sm4.wav"></audio> |
70
+ | Ela nunca tinha visto o mar, e por muito tempo ficou parada na beira da água, sem dizer uma palavra. Uma história contada pela voz da SemFence. | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/historia_F_s4.wav"></audio> | <audio controls preload="none" src="https://huggingface.co/semfence/tiny-voca-ptbr/resolve/main/samples/historia_M_sm4.wav"></audio> |
71
 
72
  ## Uso
73
 
74
+ ### PyTorch
 
 
75
 
76
  ```bash
77
+ pip install git+https://github.com/SemFence/dizione-ptbr git+https://github.com/SemFence/tiny-voca-ptbr
78
+ hf download semfence/tiny-voca-ptbr --local-dir tiny-voca-ptbr
79
+
80
+ python -m tiny_voca.infer \
81
+ --checkpoint tiny-voca-ptbr/tiny-voca-ptbr.pt \
82
+ --voice F_s4 \
83
+ --text "Olá! Esta é a voz da SemFence." \
84
+ --output ola.wav
85
  ```
86
 
87
+ | Opção | Padrão | O que faz |
88
+ |---|---|---|
89
+ | `--text-file` | | Lê o texto de um arquivo em vez de `--text` |
90
+ | `--voice` | `F_s4` | `F_s4` ou `M_sm4` |
91
+ | `--speed` | 1,0 | Velocidade da fala |
92
+ | `--pitch-shift` | 0 | Somado ao log de F0; 0,058 é cerca de um semitom |
93
+ | `--pitch-range` | 1,0 | Aumenta ou diminui a variação de tom em torno da média |
94
+ | `--device` | `cpu` | `cpu`, `mps` (GPU do Mac) ou `cuda` |
95
 
96
+ Texto de qualquer tamanho funciona: o comando lê uma frase por vez e junta o áudio. Um texto sem pontuação final recebe
97
+ um ponto. Uma frase sem nada para ler, como uma em outro alfabeto, é pulada. O áudio salvo nunca passa de 0,99 de pico.
98
+
99
+ ### Mac (GPU Apple, Metal/MPS)
100
 
101
  ```bash
102
+ python -m tiny_voca.infer --checkpoint tiny-voca-ptbr/tiny-voca-ptbr.pt --voice M_sm4 --device mps \
103
  --text "Esta voz roda na GPU do seu Mac." --output mac.wav
104
  ```
105
 
106
+ No Apple M4 isso dá cerca de 165× o tempo real, contra cerca de 113× na CPU, com o mesmo áudio.
107
+
108
+ ### ONNX
109
+
110
+ O grafo recebe ids de fonemas e acento e devolve a onda. O texto vira ids fora do grafo, com o fonemizador; os ids são as
111
+ posições em `symbols` no `onnx/model.json`.
112
+
113
+ ```python
114
+ import numpy as np
115
+ import onnxruntime as ort
116
+ import soundfile as sf
117
+ from tiny_voca.text import phonemize # dizione-ptbr + a tokenização do modelo
118
+
119
+ phones = phonemize("Olá! Esta é a voz da SemFence.")
120
+ one = lambda value: np.array([value], dtype=np.float32)
121
+
122
+ session = ort.InferenceSession("tiny-voca-ptbr/onnx/model.onnx")
123
+ audio, durations = session.run(None, {
124
+ "tokens": np.array([phones.ids], dtype=np.int64),
125
+ "stress": np.array([phones.stress], dtype=np.int64),
126
+ "voice": np.array([0], dtype=np.int64), # 0 = F_s4, 1 = M_sm4
127
+ "speed": one(1.0),
128
+ "pitch_shift": one(0.0),
129
+ "pitch_range": one(1.0),
130
+ })
131
+ audio = audio[0]
132
+ audio = audio * min(1.0, 0.99 / np.abs(audio).max()) # o modelo pode passar de 1.0
133
+ sf.write("ola.wav", audio, 24000)
134
+ ```
135
+
136
+ | Entrada | Tipo | Forma | Significado |
137
+ |---|---|---|---|
138
+ | `tokens` | int64 | [1, N] | Ids dos fonemas, com os tokens de início e fim |
139
+ | `stress` | int64 | [1, N] | 0 sem acento, 1 sílaba tônica |
140
+ | `voice` | int64 | [1] | 0 = `F_s4`, 1 = `M_sm4` |
141
+ | `speed` | float32 | [1] | 1,0 como previsto; maior é mais rápido |
142
+ | `pitch_shift` | float32 | [1] | Somado ao log de F0 |
143
+ | `pitch_range` | float32 | [1] | Escala a variação de tom |
144
+
145
+ | Saída | Tipo | Forma | Significado |
146
+ |---|---|---|---|
147
+ | `audio` | float32 | [1, amostras] | Onda a 24 kHz |
148
+ | `durations` | int64 | [1, N] | Duração de cada token em quadros de 256 amostras |
149
+
150
+ O modelo lê uma frase por chamada, até 512 tokens e 32 segundos. Divida textos longos em frases
151
+ (`tiny_voca.infer.speak_text` faz isso em Python) e termine cada uma com pontuação, senão a última palavra é cortada.
152
+ O áudio pode passar um pouco de 1,0, então reduza a escala antes de salvar em 16 bits, como acima. O mesmo arquivo roda no
153
+ onnxruntime-web: as durações são idênticas às do PyTorch, e o áudio difere pouco (até 3,6% no pior caso testado), porque
154
+ cada runtime sorteia o próprio ruído.
155
+
156
+ ### Navegador
157
+
158
+ A [demo](https://huggingface.co/spaces/semfence/tiny-voca-ptbr-demo) roda tudo no aparelho de quem usa: o fonemizador em
159
+ TypeScript (`@semfence/dizione-ptbr`) e este ONNX no WebGPU, com WASM como reserva. Nada do que é digitado sai do aparelho.
160
+
161
+ ## Modelo
162
+
163
+ A arquitetura é a do tiny-voca: codificador de texto, preditor de duração e pausas, dois transformers por quadro (tom,
164
+ sonoridade e energia, depois o filtro) e um sintetizador por fonte e filtro, em vez de um vocoder neural. Um trem de pulsos
165
+ no tom previsto e um ruído passam por filtros que a rede prevê a cada quadro (256 amostras, 10,7 ms). Essa parte tem 25.862
166
+ parâmetros. A única diferença de arquitetura é o vocabulário: 55 símbolos do português do Brasil.
167
 
168
  ## Dados de treino
169
 
 
176
 
177
  ## Treino
178
 
179
+ 104.000 passos em uma RTX 5080 alugada (~8 h, cerca de US$ 3 de GPU), com a receita do tiny-voca: 8.000 passos só com
180
+ perdas espectrais e depois perda adversarial com discriminadores. As perdas de validação pararam de melhorar de forma
181
+ visível por volta do passo 30.000.
182
 
183
  ## Avaliação
184
 
 
196
 
197
  **O que isso não mostra.** São poucos clipes (128 no total, 64 por voz), o avaliador é um modelo automático e não há teste de
198
  audição com pessoas. WER baixo diz que as palavras saem inteligíveis, não que a voz é natural. A qualidade do som é a do
199
+ tiny-voca original: o sintetizador por fonte e filtro soa mais sintético do que um vocoder neural.
200
 
201
  ### Velocidade (Apple M4)
202
 
 
208
  | Navegador, WebGPU | ~0,23 s (14,9 s de áudio) | ~65× |
209
  | Navegador, WASM (CPU) | ~1,8 s (14,9 s de áudio) | ~8,5× |
210
 
 
 
 
211
  ## Limitações
212
 
213
+ - Só português do Brasil. Duas vozes fixas, sem clonagem de voz.
214
+ - Sotaques regionais (chiado carioca, "r" caipira) não são modelados: t/d palatalizados antes de "i", "l" final como `w`,
215
+ "r" final como `x`.
216
+ - O fonemizador não distingue homógrafos ("almoço", "sede"); nomes e palavras estrangeiras são lidos com regras do português
217
+ ("pix" → "pi-chi"); siglas sem vogal são soletradas. O léxico às vezes diverge da voz (ex.: "ou" átono sai `o w`).
218
  - Números, datas, horas e valores são normalizados por regras; telefones, URLs, algarismos romanos e unidades não.
219
+ - Sem fala em fluxo (streaming).
220
+
221
+ ## Uso responsável
222
+
223
+ As duas vozes são sintéticas e não imitam ninguém. Não use o modelo para se passar por outra pessoa nem para enganar quem
224
+ ouve: deixe claro, quando for o caso, que a voz é gerada por computador. O áudio de treino veio do Chatterbox, que embute a
225
+ marca d'água Perth no que gera; não verificamos se algo dela sobrevive no áudio deste modelo.
226
 
227
  ## Licença
228
 
229
+ Código e pesos: Apache-2.0. Datasets: CC BY 4.0, com crédito obrigatório a **SemFence (Gustavo Toledo)**. Léxico do
230
  fonemizador: CC BY 4.0 (dicionário MFA de Michael McAuliffe e Morgan Sonderegger).
231
+
232
+ ## Citação
233
+
234
+ ```bibtex
235
+ @software{semfence2026tinyvocaptbr,
236
+ author = {{SemFence} and Toledo, Gustavo},
237
+ title = {tiny-voca-ptbr: a 4.5M-parameter two-voice Brazilian Portuguese text-to-speech model},
238
+ year = {2026},
239
+ url = {https://huggingface.co/semfence/tiny-voca-ptbr}
240
+ }
241
+ ```
242
+
243
+ Cite também o [tiny-voca](https://huggingface.co/n4ze3m/tiny-voca) original.
244
+
245
+ ## Agradecimentos
246
+
247
+ - [tiny-voca](https://github.com/n4ze3m/tiny-voca), de Muhammed Nazeem: a arquitetura e a receita de treino.
248
+ - [Chatterbox Multilingual](https://huggingface.co/ResembleAI/chatterbox) (Resemble AI, MIT): gerou a fala de treino.
249
+ - [Qwen3-TTS](https://huggingface.co/Qwen/Qwen3-TTS-12Hz-1.7B-VoiceDesign) e [Qwen3-8B](https://huggingface.co/Qwen/Qwen3-8B) (Alibaba Qwen, Apache-2.0): criaram as vozes de referência e parte das frases.
250
+ - [Mozilla Common Voice](https://commonvoice.mozilla.org) (CC0): frases em português.
251
+ - Dicionário de pronúncia do português do Brasil do [Montreal Forced Aligner](https://montreal-forced-aligner.readthedocs.io) (CC BY 4.0).
252
+ - `facebook/wav2vec2-lv-60-espeak-cv-ft` (alinhamento) e Whisper large-v3-turbo (controle de qualidade e avaliação).
samples/{demo_semfence_F_s4.wav → historia_F_s4.wav} RENAMED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:26235ac66f697cf95675c0eafdcd6cacc71d5316228c32c0be5a5f0cb60a5ce5
3
- size 1183824
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:4a0e15b1ee011b593532470cf2e9e93c6dc6518c048981fa5fcdc4df070b34f8
3
+ size 525868
samples/{demo_semfence_M_sm4.wav → historia_M_sm4.wav} RENAMED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:17d1ef0e9e76038b3f69a36047fc3bf74bc6149af85f0bb67b8204603ffc069c
3
- size 1127504
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:1e8bee60a45d7e898e401e276c06e71723fca5e2edbd0861f711cca63ad79033
3
+ size 494636
samples/numeros_F_s4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:4cc6475797d115cdb8e866cebb0a6746371948e5946119d80ee7e23b5cf0d8a7
3
- size 687660
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7350bcc1e84651821393178441e275b5961350156bd5902d9bf426bea22a87cb
3
+ size 704044
samples/numeros_M_sm4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:0583ec491031a5a3629a0fec739c81e641e8c0235664682900f5952a07a9d97a
3
- size 660012
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:7f08865d304b59f5f17c7e7e9e0a92e193238f7b0d293c29a3a96beb72ac3c88
3
+ size 681004
samples/pergunta_F_s4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:80067cc9bee749592e7657cba9717f930a5ac004c1e7a4ddcea5d88937d84263
3
- size 267308
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:40557a435eb1a356a4dfeb5087071ebd78058195792a2ef1a5832325859ae40c
3
+ size 379436
samples/pergunta_M_sm4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:4dd924e24269e22993f6866991d1679f7aeaaed5d940f64aa0822fd248c89e6b
3
- size 256044
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:39babafd58dd7da831ee77c10cc780b292a8447023e3cf288e36f90e5344fb9d
3
+ size 363052
samples/{outono_F_s4.wav → poesia_F_s4.wav} RENAMED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b9478143debb0fdd6cd5d4e64a39edfe75548f30a1993bc99e68bb8a7439974a
3
- size 1431632
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:0c8c9c36b16486957ae72ec821e840ad879ca3fb120369f0e0fef745b7799ad0
3
+ size 832556
samples/{outono_M_sm4.wav → poesia_M_sm4.wav} RENAMED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:b89b5ab4faaff705eec9dced6a3e1cec22188442f346692fc689c815ae91b896
3
- size 1384528
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:91b88748d523a5f0ff7a4178c324cf53de3e8490b9a201747332b57d51e76166
3
+ size 805420
samples/saudacao_F_s4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:09234cd8856d14dcaba51054bd66cfd50e87b707d621dcfdbc1e7961f7e96d86
3
- size 383020
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:2d57bf3ff3f44e60ecf6006ec92ea5b0f9235990a7815e958bb163ee5584b081
3
+ size 489516
samples/saudacao_M_sm4.wav CHANGED
@@ -1,3 +1,3 @@
1
  version https://git-lfs.github.com/spec/v1
2
- oid sha256:321b4c4a17a7e5f0831c553b0809f4886b523c1eddaac4350c3b038d484342a8
3
- size 357420
 
1
  version https://git-lfs.github.com/spec/v1
2
+ oid sha256:9ff42d9753d281622cddb540c2df30ed7dc79d85896a9ce73643d05b09a0fed1
3
+ size 469548
samples/semfence_F_s4.wav ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:c53d67c806f8891abbaa2aefd37af0a5d39effc0e50977e90c786f1ab6f0d21d
3
+ size 591916
samples/semfence_M_sm4.wav ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ version https://git-lfs.github.com/spec/v1
2
+ oid sha256:67b1d5000939a969e176b4a7d1980e4fd07db40c4de616a17cd6a08244b96540
3
+ size 563756