Anadilorg/Anadil_Azerbaijani_TTS

AnadilAzerbaijaniTTS — Azerbaijani Text-to-Speech Modeli (ALPHA VERSION - Ön testler için üretilmiştir, geliştirilmeye devam etmektedir.)

AnadilAzerbaijaniTTS, openbmb/VoxCPM2 temel modeli üzerine LoRA (Low-Rank Adaptation) ile ince ayar yapılmış, Azerbaycan / Azeri Türkçesi (ISO 639-3: aze) için açık kaynak bir konuşma sentezi (text-to-speech) modelidir. 281.411 segmentlik tek konuşmacılı bir veri setiyle eğitilmiştir — "Anadil" ailesinin (Kırgızca, Uyghur, Özbek, Tatar, Kazak, Başkurt) en büyük üyelerinden biridir.

AnadilAzerbaijaniTTS is an open-source text-to-speech LoRA adapter for Azerbaijani (Turkic language, aze), fine-tuned on top of VoxCPM2 on 281,411 single-speaker utterances — one of the largest members of the "Anadil" family of minority-language TTS adapters.

📋 Model Bilgileri

Özellik	Detay
Dil	Azerbaycan / Azeri Türkçesi (aze)
Konuşucu	spk_tmp_001 (tek konuşmacı)
Temel model	openbmb/VoxCPM2
Yöntem	LoRA (r=32, α=32, LM + DiT katmanları)
Eğitim verisi	281.411 segment — tek konuşmacılı küme
Eğitim adımı	5.000 (son checkpoint)
Adapter boyutu	~72 MB (384 tensor, ~18,1M parametre, F32)
Sample rate	48 kHz çıkış
Lisans	MIT

🔊 Örnek Sesler — Orijinal ve Sentez Karşılaştırması

Aşağıda orijinal referans ses (gerçek konuşmacı) ile modelin ürettiği sentez (TTS) arasındaki farkları duyabilirsiniz:

Not: Şeffaflık için belirtelim — bu 5 örnek cümlenin tümü eğitim sırasında modele görülmüş (in-training) cümlelerdir ve her sentez, o cümlenin kendi orijinal ses kaydını referans olarak kullanarak üretilmiştir. Otomatik kalite metrikleri (WER, UTMOS vb.) henüz hesaplanmamıştır.

#	Azerbaycan Metni	Orijinal (Gerçek Konuşmacı)	Sentez (Model Çıktısı)
1	Hələ öpüşməzdən əvvəl biz gərək səninlə danışaq.
2	Sən papiros çəkirsənmi?
3	Mən səndən belə şeyləri heç gözləməzdim.
4	Əgər adam başqasının şeyini götürürsə, o, əlbəttə, yaxşı adam deyildir.
5	Mənim yoldaşıma deyirlər Lağlağı Sadıq, yəni çox danışan.

⚡ Hızlı Başlangıç

Model, hedef konuşmacının referans ses klibi (reference wav) üzerinden ses klonlaması yapar — eğitim konuşucusu için samples/1.wav kullanılabilir, farklı bir ses için kendi wav kaydınızı verin.

pip install torch torchaudio soundfile safetensors voxcpm
git clone https://huggingface.co/Anadilorg/Anadil_Azerbaijani_TTS
cd Anadil_Azerbaijani_TTS

# Tek cümle sentezle
python inference.py "Salam!" --reference samples/1.wav --out hello.wav

# Repo'daki 5 örnek cümlenin tümünü üret (samples/1a..5a.wav)
python inference.py --list-samples

Python API

from inference import AnadilAzerbaijaniTTS

tts = AnadilAzerbaijaniTTS()  # openbmb/VoxCPM2 + bu repo'daki LoRA ağırlıkları
tts.synthesize(
    "Salam!",
    reference_wav="samples/1.wav",
    out_path="hello.wav",
    cfg_value=2.0,
    inference_timesteps=10,
)

Gradio arayüzü (yerel)

pip install gradio
python demo.py            # http://localhost:7860

🧪 Doğrulama

python test_smoke.py --weights-only   # saniyeler içinde ağırlık bütünlük kontrolü
python test_smoke.py                  # tam test: temel modeli indirir, Azerbaycanca bir cümle sentezler

⚠️ Kısıtlamalar

• Tek konuşmacı: Model tek bir konuşmacı etiketi (spk_tmp_001) üzerine eğitilmiştir; farklı sesler referans klip ile sıfır-örnekçi klonlama yoluyla yaklaşılmaya çalışılır.
• Kalite metrikleri: Henüz otomatik metrikler (WER, UTMOS vb.) raporlanmamıştır; örnekler eğitim içi cümlelerle sınırlıdır.
• Sentez için ~9 GB bellek önerilir (fp32); CUDA tercih edilir, Apple Silicon daha yavaştır.

Citation

@software{anadil-azerbaijani-tts,
  author = {Anadilorg},
  title = {AnadilAzerbaijaniTTS: An Open-Source Text-to-Speech LoRA Adapter for Azerbaijani},
  url = {https://huggingface.co/Anadilorg/Anadil_Azerbaijani_TTS},
  version = {0.1.0},
  year = {2026}
}

Lisans

MIT — ayrıntılar için LICENSE dosyasına bakınız. Model ağırlıkları MIT lisansı altındadır; eğitim verisinin kendi lisans koşullarını kullanımından önce lütfen gözden geçiriniz.