zerre-tts는 커뮤니티 기여자가 처음부터 학습한 터키어 음성 합성 모델로, 약 450만 개의 파라미터를 가지며 남성 및 여성 두 가지 음색을 지원하고 24 kHz 출력 음성을 생성합니다. int8 ONNX 버전은 8.5 MB 크기로, 브라우저에서 WebAssembly를 통해 실행할 수 있으며 ONNX Runtime 또는 PyTorch도 사용할 수 있습니다. 학습 데이터는 두 개의 공개 터키어 오디오북 코퍼스(약 11.9시간 분량 유지)를 사용했으며, L4 GPU 한 장에서 약 6.5시간 동안 학습되었습니다. 저자에 따르면 20개의 홀드아웃 세그먼트에서 단어 오류율(WER)은 1.3%이며, 8개의 새로운 문장에서는 12.7%입니다.
왜 중요한가 저자는 유사한 터키어 오픈소스 모델보다 더 작고 상업적으로 사용 가능하다고 주장합니다. 아키텍처는 tiny-voca에서 변형된 것으로, 웹 페이지에 직접 통합하기에 적합합니다.
얼굴 감싸기 좋아요 3 · 얼굴 감싸기 상승 점수 2 · 얼굴 감싸기 다운로드 0
라이선스: 상업적 사용 가능 · ComfyUI: 없음 · VRAM: VRAM 정보 미표기
이유
- Apache-2.0 라이선스로 상업적 사용이 가능하며, 온라인 웹 데모가 제공되고 코드 및 학습 방법은 GitHub에 공개되어 있습니다
사용법
- 먼저 저자의 웹 데모에서 테스트해 보세요. 로컬에서 github.com/erkinemreta1/zerre-tts를 클론한 후 python -m zerre.infer --checkpoint inference.pt --lang tr --text "Merhaba dünya." --voice MK --output hello.wav 명령어를 실행하세요
리스크
- 평가셋이 매우 작습니다(20개 세그먼트, 8개 문장). 저자 스스로도 이는 대략적인 확인 용도로만 사용해야 한다고 언급했으며, 다른 모델과의 비교에는 동일한 테스트셋이 사용되지 않았습니다
- 고정된 두 가지 음색만 지원하며 음성 클로닝 및 스트리밍은 지원하지 않습니다. 낭독체 스타일에 치우쳐 있어 의문문이나 감탄문의 어조 표현이 제한적이고, 외국어 이름이나 약어는 자주 잘못 발음됩니다. 발음 표기를 위해 eSpeak NG를 별도로 설치해야 합니다