model_card.md

metadata

license: mit
language:
  - lzz
  - tur
tags:
  - text-to-speech
  - tts
  - lazuri
  - laz
  - voxcpm
  - lora
  - turkish
  - mozilla
pipeline_tag: text-to-speech

Model Card: MozilLaz

Model Detayları

MozilLaz, VoxCPM2 mimarisi üzerine LoRA fine-tuning ile eğitilmiş bir Lazca (Lazuri) Text-to-Speech modelidir. Mozilla'nın açık kaynak Lazca veri setleri kullanılarak eğitilmiştir.

Yapı

• Base Model: openbmb VoxCPM2
• Adapter: LoRA (r=32, alpha=32)
• Çıktı Sample Rate: 48 kHz
• Model Formatı: Safetensors (LoRA weights ~70MB)

Eğitim

• Eğitim Verisi: ~21,000 segment Mozilla Lazca veri setinden
• Eğitim Adımları: 2,000
• Learning Rate: 0.0001
• Batch Size: 2 (gradient accumulation: 8 → effective batch: 16)

Sınırlamalar

• Tek konuşucu modeli (spk_tmp_001)
• Çoklu konuşucu veya çoklu dil desteği yok
• Kısa cümleler için optimize edilmiştir (21071 training sample ortalaması)
• Mozilla Lazca veri setinde olmayan Lazca lehçe veya sözlük kalıpları için sınırlı genelleme

Kullanım

Modeli kullanmak için inference.py dosyasını referans alın.

CLI Kullanımı

python inference.py --text "[speaker:spk_tmp_001 language:lzz] Metin burada" --output output.wav

Python API

Ağırlıklar peft formatında değildir; voxcpm paketinin kendi (native) LoRA desteğiyle yüklenir:

import json
from voxcpm import VoxCPM
from voxcpm.model.voxcpm import LoRAConfig

with open("lora_config.json") as f:
    lc = json.load(f)["lora_config"]
cfg = LoRAConfig(**{k: v for k, v in lc.items() if k in LoRAConfig.model_fields})

model = VoxCPM.from_pretrained(
    "openbmb/VoxCPM2",
    lora_config=cfg,
    lora_weights_path="lora_weights.safetensors",
)

audio = model.generate(
    text="[speaker:spk_tmp_001 language:lzz] Nanışkimi uç den ikayme.",
    inference_timesteps=10,
    cfg_value=2.0
)

Lisans

Bu model MIT lisansı altında sunulmuştur.