zerre-tts est un modèle de synthèse vocale turque entraîné de zéro par un auteur de la communauté, comptant environ 450 millions de paramètres, avec deux timbres de voix (masculin et féminin), produisant une sortie de 24 kHz ; la version ONNX int8 pèse 8.5 Mo, peut s'exécuter dans un navigateur via WebAssembly, et fonctionne également avec ONNX Runtime ou PyTorch. Les données d'entraînement proviennent de deux corpus publics de livres audio en turc (environ 11.9 heures conservées), entraînés pendant environ 6.5 heures sur une seule L4. L'auteur rapporte un taux d'erreur de mot de 1.3% sur 20 extraits de validation, et de 12.7% sur 8 nouvelles phrases.
Pourquoi c'est important L'auteur affirme que ce modèle est plus petit que les modèles open source turcs similaires et qu'il est utilisable commercialement ; l'architecture est adaptée de tiny-voca, ce qui le rend adapté à une intégration directe dans les pages web.
J'aime 3 · Score de tendance 2 · Téléchargements 0
Licence : usage commercial autorisé · ComfyUI : non disponible · VRAM : non spécifiée
Raisons
- Licence Apache-2.0, usage commercial autorisé ; une démonstration web en ligne est disponible, le code et la méthode d'entraînement sont publics sur GitHub
Utilisation
- Essayez d'abord la démonstration web de l'auteur ; après avoir cloné localement github.com/erkinemreta1/zerre-tts, exécutez python -m zerre.infer --checkpoint inference.pt --lang tr --text "Merhaba dünya." --voice MK --output hello.wav
Risques
- L'ensemble d'évaluation est très petit (20 extraits, 8 phrases), l'auteur lui-même précise qu'il ne s'agit que d'une vérification approximative ; les comparaisons avec d'autres modèles n'utilisent pas le même ensemble de test
- Seuls deux timbres de voix fixes sont disponibles, sans prise en charge du clonage de voix ni du streaming ; le style est plutôt celui de la lecture à voix haute, avec des intonations interrogatives et exclamatives limitées ; les noms étrangers et les acronymes sont souvent mal prononcés ; la phonétique nécessite l'installation séparée de eSpeak NG