Vāgdhenu

Vāgdhenu

用一个训练好的声音，以吟诵风格朗读古典梵语诗节，由参考音频决定节奏。适合学习、背诵或需要梵语音频的人。

由 prathoshap 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Vāgdhenu 是一个梵语吟诵（pārāyaṇa）的文本转语音模型，只有一个训练好的声音。这个仓库存放它的模型权重。作者报告专家听众打分约 4.6，并称连辅音，包括卷舌送气音，每次都能读对。

适合谁：适合想让梵语诗节以吟诵风格被读出来的学生、背诵者和应用开发者。它需要一段干净的参考音频，并且要会用 Python 脚本。

行业 | 谁在用 | 怎么用 | 例子
教育 | 梵语学生 | 听一首诗节被吟诵，学习发音和格律 | 用选定的格律渲染一首诗节
背诵 | 修习者 | 制作吟诵录音用于练习 | 按参考音频的节奏吟诵一首诗节
无障碍 | 应用开发者 | 给应用加入古典文本的语音 | 为不识字的听众朗读一首诗节

需要吠陀声调或其他语言的人可以跳过，因为说明页说它没有吠陀声调。

用在哪里：

• 项目的 GitHub 代码：说明页让你去那里取安装和渲染脚本。
• 带 Python 的命令行：你运行一个安装脚本和一个渲染脚本。
• Windows、macOS 或 Linux：下载步骤在这三个系统上都能用 Python 完成。

使用场景 | 谁用 | 得到什么
学习一首诗节 | 学生 | 一首天城文诗节的吟诵 WAV 文件
匹配节奏 | 背诵者 | 跟随你参考音频的语速和音高的吟诵
无障碍文本 | 应用开发者 | 用在应用里的古典诗节音频

如何设置：

先准备好：

• Python 和项目的 GitHub 仓库。
• 一段你想要的节奏的干净参考音频，并带有匹配的文字稿。
• 放三个权重文件的空间：声音、备用声音和声码器。

1. 从项目的 GitHub 页面取得代码。
2. 运行安装脚本，它会把这些权重下载到 models 文件夹，并获取基础的 IndicF5 文件。
3. 用渲染脚本渲染一首诗节。

bash scripts/setup.sh
python src/render.py ...

只想取回这个仓库的文件，就运行这两条 Hugging Face 命令。

pip install -U huggingface_hub
hf download prathoshap/vagdhenu

如何使用：

你给渲染脚本一首天城文诗节和它的格律。吟诵的节奏和音高来自参考音频，所以参考音频最重要。它的文字稿必须与音频所说的片段一致，并结束在词或诗节符号的边界上。仓库为每种格律提供了一组参考音频。

Title: 说明页提到的文件和脚本
工具 | 作用
setup.sh | 把这些权重下载到 models 文件夹
render.py | 把诗节和格律变成吟诵 WAV
声音引导权重 | 推荐的默认声音，对参考音频更敏感
备用权重 | 音色、音高模式和语速都取自参考音频的声音
声码器权重 | 微调过的 BigVGAN-v2 声码器，说明页称它必不可少

示例：

你选一首天城文诗节，从对应格律的参考库里挑一段参考音频，运行渲染脚本。你会得到这首诗节用模型声音吟诵的 WAV，节奏与你的参考音频一致。

新手与专家：

这个模型把梵语诗节以吟诵的方式读出来。一个好的第一步是用仓库自带的一段参考音频，这样节奏一开始就是对的。

它以 IndicF5 为起点，这是一个约 3.37 亿参数的流匹配扩散 Transformer，没有内置的时长或音高控制，最后接一个 BigVGAN-v2 声码器。梵语文本会经过卡纳达文字转换，因为天城文会触发印地语的 schwa 省略。它在大约 5 小时的单人吟诵上微调。代价是，韵律来自参考音频，而不是来自文本。

选一首诗节和匹配的参考音频
把梵语文本转成卡纳达文字
用 DiT 生成梅尔频谱
用声码器转成音频

注意事项：

• 声音：这个声音是作者本人的，所以不要用它冒充任何人。
• 韵律：由参考音频驱动，不能随意设计。
• 声码器：它是 BigVGAN-v2 的衍生版本，所以请遵守 NVIDIA 的 BigVGAN 许可条款。
• License: apache-2.0，基于 MIT 许可的 AI4Bharat IndicF5，以及 BigVGAN-v2 和 F5-TTS。
• Cost to run: 没有提到 API 密钥、账号或付费服务。
• Data it reaches: 你从 Hugging Face 和 GitHub 下载的文件，以及你提供的诗节文本和参考音频。
• Not for: 吠陀声调、冒充某个声音，或梵语以外的语言。

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 框架：f5-tts
• 最近 30 天下载：2,935
• 点赞：72
• 许可证：apache-2.0
• 语言：sa
• 基于：ai4bharat/IndicF5
• 标签：f5-tts, sanskrit, chant, text-to-speech, indicf5, bigvgan

链接

• 模型：https://huggingface.co/prathoshap/vagdhenu
• 文件：https://huggingface.co/prathoshap/vagdhenu/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download prathoshap/vagdhenu

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。