Upload README.md with huggingface_hub

README.md

@@ -10,16 +10,16 @@ tags:
 license: apache-2.0
 ---
 
-# VoxCPM 0.5B Russian Fine-Tune (Step 5600)
+# VoxCPM 0.5B: Русская версия (Fine-Tuned)
 
-This is a **VoxCPM 0.5B** model fine-tuned on Russian speech corpus (Full Fine-Tuning).
-It adapts the tokenizer-free VoxCPM architecture to the Russian language.
+Это модель **VoxCPM 0.5B**, прошедшая полное дообучение (Full Fine-Tuning) на русскоязычном корпусе речи.
+Модель адаптирует архитектуру VoxCPM (tokenizer-free) для синтеза качественной русской речи.
 
-**Checkpoint Step:** 5600
+**Шаг чекпоинта:** 5600
 
-## Installation
+## Установка
 
-Ensure you have the `voxcpm` package installed (from the [VoxCPM repository](https://github.com/OpenBMB/VoxCPM)):
+Убедитесь, что у вас установлен пакет `voxcpm` (из [репозитория VoxCPM](https://github.com/OpenBMB/VoxCPM)):
 
 ```bash
 git clone https://github.com/OpenBMB/VoxCPM.git
@@ -27,28 +27,29 @@ cd VoxCPM
 pip install -e .
 ```
 
-## Usage
+## Использование
 
-This model is fine-tuned to generate Russian speech in a specific voice. It works best in standard generation mode.
+Модель обучена генерировать русскую речь определенным голосом. Для получения наилучшего результата рекомендуется использовать стандартный режим генерации без подмены голоса (клонирования).
 
-### Python Code
+### Пример кода на Python
 
 ```python
 import soundfile as sf
 from voxcpm import VoxCPM
 
-# Load the model
-# Replace 'ALEKAS/VoxCPM-0.5B-Russian-5600' with your actual HF Repo ID or local path
+# Загрузка модели
+# Модель будет автоматически скачана из Hugging Face
 model = VoxCPM.from_pretrained("ALEKAS/VoxCPM-0.5B-Russian-5600", load_denoiser=False)
 
-# Text to generate
-text = "Привет! Это пример синтеза речи на русском языке с использованием VoxCPM."
+# Текст для озвучивания
+text = "Привет! Это пример синтеза речи на русском языке с использованием модели VoxCPM."
 
-# Generate audio (no prompt needed for fine-tuned voice)
+# Генерируем аудио
+# Важно: prompt_wav_path=None, чтобы модель говорила своим "родным" обученным голосом
 wav = model.generate(text, prompt_wav_path=None)
 
-# Save to file
+# Сохраняем результат
 sample_rate = model.tts_model.sample_rate
 sf.write("output.wav", wav, sample_rate)
-print(f"Saved output.wav with sample rate {sample_rate}Hz")
+print(f"Файл output.wav сохранен с частотой {sample_rate}Гц")
 ```