Devotd Github
新着マルチモーダル

ozguradmin/ahenk-turkish-tts — トルコ語音声合成ツールのまとめ

トルコ語の音声合成モデルと表記正規化ツール、テストセットを集めたオープンリポジトリだ。

リポジトリ情報ozguradmin/ahenk-turkish-tts ↗

トルコ語の音声合成モデルと表記正規化ツール、テストセットを集めたオープンリポジトリだ。

GitHub の説明: Ahenk: açık Türkçe metinden sese. Open Turkish text-to-speech: VoxCPM2 LoRA (Ahenk), 8.6M on-device model (Ahenk Cep), trnorm text normaliser, TR-Zor benchmark

スター
★ 104
フォーク
7
言語
Python
ライセンス
Apache-2.0
原文を見る ↗GitHub で見る ↗

ozguradmin/ahenk-turkish-tts は、トルコ語のテキストを音声に変換するツールのまとめだ。GPU 向けの大型モデル Ahenk と、CPU で動作する 860 万パラメータのモデル Ahenk Cep、数字・日付・時刻・金額をトルコ語の発音に合わせて正規化する trnorm、TR-Zor テストセットを含む。ブラウザで文書や写真を読み上げてくれる Ahenk Okur も収録されている。新たなリリースは別途登録されていない。

Ahenk Cep は端末上で動く小さな音声合成モデルだ。リポジトリの説明によると、大きなモデルの声を学ぶ学生モデルで、EMA Lightning 構造を使う。サイズは 34MB で、CPU 2 スレッドでのリアルタイム係数(RTF)が約 0.2 と公開されている。RTF は音声合成にかかる時間を再生時間と比べた値である。Ahenk と Ahenk Cep は、特定の人物の声ではなく、設計された一つの合成音声でトルコ語を話す。リポジトリは Python で書かれ、Apache-2.0 ライセンスを使っている。

ただし、公開されている RTF の値だけでは、他のモデルとの性能差や実際の利用条件を判断しにくい。FACTS には TR-Zor の測定結果が示されておらず、新たなリリースも登録されていない。したがって、このリポジトリはトルコ語の合成に関するツールを知る資料としては有用だが、リリースごとの変更や比較性能を確認する根拠は限られている。