Anadilorg/Anadil_Bashkir_TTS

AnadilBashkirTTS — Bashkir Text-to-Speech Modeli

AnadilBashkirTTS, openbmb/VoxCPM2 temel modeli üzerine LoRA (Low-Rank Adaptation) ile ince ayar yapılmış, Başkurt (ISO 639-3: bak) için açık kaynak bir konuşma sentezi (text-to-speech) modelidir. 82.910 segmentlik tek konuşmacılı bir veri setiyle (Mozilla Common Voice 26.0 bak katkısı) eğitilmiştir — "Anadil" ailesinin (Lazca, Zazaca, Adığece, Kurmancî, Ermenice, Ladino, Kırgızca, Uyghur, Sakha/Yakut, Türkmen, Özbek, Tatar, Kazakh) en yeni üyesidir.

AnadilBashkirTTS is an open-source text-to-speech LoRA adapter for Bashkir (Turkic language, bak), fine-tuned on top of VoxCPM2 on 82,910 single-speaker utterances from Mozilla Common Voice 26.0. Bashkir is a Turkic language spoken by ~1.2 million people in the Republic of Bashkortostan, Russia — this model is a new member of the "Anadil" family of minority-language TTS adapters.

📋 Model Bilgileri

Özellik	Detay
Dil	Başkurt (bak)
Konuşucu	spk_tmp_001 (tek konuşmacı)
Temel model	openbmb/VoxCPM2
Yöntem	LoRA (r=32, α=32, LM + DiT katmanları)
Eğitim verisi	82.910 segment — Common Voice 26.0 bak
Eğitim adımı	9.500 (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.

#	Başkurt Metin	Orijinal (Gerçek Konuşmacı)	Sentez (Model Çıktısı)
1	Ул ғалим тигәндәре ҙурыраҡҡа өмөт итә, тиҙәр
2	Ә әсәһен туҡмағанын оноторлоҡмо?
3	— Ирендәрен сап иттереп яланы ла, шунда уҡ бер нисә кәнфитте һоғоноп та ҡуйҙы.
4	Яубаҫаров көсәнеп йылмайҙы ла урынынан торҙо
5	Ниңә икәнен аныҡ әйтә алмайым.

⚡ 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_Bashkir_TTS
cd Anadil_Bashkir_TTS

# Tek cümle sentezle
python inference.py "Сәләм!" --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 AnadilBashkirTTS

tts = AnadilBashkirTTS()  # openbmb/VoxCPM2 + bu repo'daki LoRA ağırlıkları
tts.synthesize(
    "Сәләм!",
    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, Başkurt 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-bashkir-tts,
  author = {Anadilorg},
  title = {AnadilBashkirTTS: An Open-Source Text-to-Speech LoRA Adapter for Bashkir},
  url = {https://huggingface.co/Anadilorg/Anadil_Bashkir_TTS},
  version = {0.1.0},
  year = {2026}
}

Lisans

MIT — ayrıntılar için LICENSE dosyasına bakınız. Eğitim verisi Mozilla Common Voice 26.0 (bak) katkısından gelmektedir; ilgili lisans koşullarını (CC-0) lütfen gözden geçiriniz.