Anadilorg/Anadil_Turkmen_TTS

AnadilTurkmenTTS — Türkmen Text-to-Speech Modeli

AnadilTurkmenTTS, openbmb/VoxCPM2 temel modeli üzerine LoRA (Low-Rank Adaptation) ile ince ayar yapılmış, Türkmen (ISO 639-3: tuk) için açık kaynak bir konuşma sentezi (text-to-speech) modelidir. 2.031 segmentlik tek konuşmacılı bir veri setiyle (Mozilla Common Voice 26.0 tuk katkısı) eğitilmiştir — "Anadil" ailesinin (Lazca, Zazaca, Adığece, Kurmancî, Ermenice, Ladino, Kırgızca, Uyghur, Sakha/Yakut) en yeni üyesidir.

AnadilTurkmenTTS is an open-source text-to-speech LoRA adapter for Turkmen (Turkic language, tuk), fine-tuned on top of VoxCPM2 on 2,031 single-speaker utterances from Mozilla Common Voice 26.0. Turkmen is a Turkic language spoken by ~6 million people in Turkmenistan, Iran, Afghanistan, and other regions — this model is the newest member of the "Anadil" family of minority-language TTS adapters, continuing the effort to give low-resource languages a voice in digital tools.

📋 Model Bilgileri

Özellik	Detay
Dil	Türkmen (tuk)
Konuşucu	spk_tmp_001 (tek konuşmacı)
Temel model	openbmb/VoxCPM2
Yöntem	LoRA (r=32, α=32, LM + DiT katmanları)
Eğitim verisi	2.031 segment — Common Voice 26.0 tuk
Eğitim adımı	4.999 (kaydedilen son checkpoint)
Adapter boyutu	~72 MB (384 tensor, ~18,1M parametre, F32)
Sample rate	48 kHz çıkış
Lisans	MIT

🔊 Sentez Örnekleri

Aşağıdaki cümleler eğitim sırasında modele görülmüş (in-training) cümlelerdir. Otomatik kalite metrikleri (WER, UTMOS vb.) henüz hesaplanmamıştır.

#	Türkmen Metin	Sentez
1	O wagt muňa kän ünsem bermändim.
2	Ejesi görgüli ýol boýy ogluna guwanyp geldi.
3	Mergen göz gytagyny murty ýaňy garalyp başlan oglanlara aýlady.
4	Ýok hiç wagt uçarman bolmagy arzuw etmedim
5	Men muňa ýok diýemok.

⚡ Hızlı Başlangıç

Model, hedef konuşmacının referans ses klibi (reference wav) üzerinden ses klonlaması yapar — kendi ses kaydınızı verin.

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

# Tek cümle sentezle (kendi referans sesinizle)
python inference.py "Salam!" --reference my_voice.wav --out hello.wav

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

Python API

from inference import AnadilTurkmenTTS

tts = AnadilTurkmenTTS()  # openbmb/VoxCPM2 + bu repo'daki LoRA ağırlıkları
tts.synthesize(
    "Salam!",
    reference_wav="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, Türkmen bir cümle sentezler

⚠️ Kısıtlamalar

• Küçük veri seti: 2.031 segment — ailedeki diğer modellere göre çok daha az; genel konuşurken modelin üslubu eğitim konuşucusuna yakındır.
• 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-turkmen-tts,
  author = {Anadilorg},
  title = {AnadilTurkmenTTS: An Open-Source Text-to-Speech LoRA Adapter for Turkmen},
  url = {https://huggingface.co/Anadilorg/Anadil_Turkmen_TTS},
  version = {0.1.0},
  year = {2026}
}

Lisans

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