zerre-tts 是社区作者从零训练的土耳其语语音合成模型,约 450 万参数,一男一女两个音色,输出 24 kHz;int8 ONNX 版 8.5 MB,可在浏览器里用 WebAssembly 运行,也能用 ONNX Runtime 或 PyTorch。训练数据是两套公开的土耳其语有声书语料(保留约 11.9 小时),在一张 L4 上训练约 6.5 小时。作者称在 20 条留出片段上词错率 1.3%,在 8 句新句子上为 12.7%。
为什么重要 作者称比同类土耳其语开源模型更小,而且可商用;架构改自 tiny-voca,适合直接嵌进网页。
抱脸点赞 3 · 抱脸上升分 2 · 抱脸下载 0
许可证:可商用 · ComfyUI:暂无 · 显存:显存未标
理由
- Apache-2.0,可商用;有在线网页演示,代码和训练方法在 GitHub 公开
用法
- 先在作者的网页演示里试;本地克隆 github.com/erkinemreta1/zerre-tts 后运行 python -m zerre.infer --checkpoint inference.pt --lang tr --text "Merhaba dünya." --voice MK --output hello.wav
风险
- 评测集很小(20 条片段、8 句),作者自己也说只能当粗略检查;和其他模型的对比用的不是同一测试集
- 只有两个固定音色,不支持克隆和流式;偏朗读腔,疑问、感叹语气有限,外国人名和缩写常读错;注音要另装 eSpeak NG