Anadilorg/Anadil_Kazakh_TTS

🎙️ AnadilKazakhTTS

Қазақ тілі · Kazakça · Kazakh — Text-to-Speech

Metinden sese (TTS) · Open-source text-to-speech

---

🇹🇷 AnadilKazakhTTS, openbmb/VoxCPM2 temel modeli üzerine LoRA ile ince ayar yapılmış, Kazakça (Қазақ тілі, ISO 639-3: kaz) için açık kaynak bir metinden sese (text-to-speech, ses sentezi) modelidir. Mozilla Common Voice 26.0 verisinden türetilen 1.884 segmentlik, tek konuşmacılı bir veri setiyle eğitilmiştir. Kısa bir referans ses klibiyle farklı sesleri de taklit edebilir (ses klonlama).

🇬🇧 AnadilKazakhTTS is an open-source text-to-speech (TTS, speech synthesis) LoRA adapter for Kazakh (Қазақ тілі, ISO 639-3 kaz), fine-tuned on openbmb/VoxCPM2 with 1,884 single-speaker utterances derived from Mozilla Common Voice 26.0. With a short reference clip it can also approximate other voices (zero-shot voice cloning).

Kazakça, Kazakistan'da ve çevresinde ~13 milyon kişi tarafından konuşulan bir Kıpçak grubu Türkî dildir. Kazakh is a Kipchak-group Turkic language spoken by ~13 million people in Kazakhstan and neighbouring regions. Bu model, Anadil ailesinin düşük kaynaklı diller için açık kaynak ses teknolojileri geliştirme çalışmasının bir parçasıdır.

---

📋 Model Bilgileri · Model Details

Dil · Language	Kazakça · Kazakh (kaz)
Görev · Task	Metinden sese · Text-to-Speech
Temel model · Base model	openbmb/VoxCPM2
Yöntem · Method	LoRA (r=32, α=32, LM + DiT)
Konuşucu · Speaker	spk_tmp_001 (tek konuşmacı · single speaker)
Eğitim verisi · Training data	1.884 segment · Mozilla Common Voice 26.0 kaz
Eğitim adımı · Training steps	10.000
Adapter boyutu · Adapter size	~72 MB (384 tensor, ~18,1M parametre · parameters, F32)
Çıkış · Output	48 kHz
Lisans · License	MIT

---

🔊 Örnek Sesler · Audio Samples

Her örnekte orijinal kayıt ile modelin sentezi yan yana. Each example shows the original recording next to the model's synthesis.

1. ұзын киім ұлымдікі, қысқа киім қызымдікі.

🎤 Orijinal · Original	🤖 Sentez · Synthesis

2. Жалғыз аттан жығылса, неге келер шамасы.

🎤 Orijinal · Original	🤖 Sentez · Synthesis

3. Ер басына кун туса, үйінен безеді.

🎤 Orijinal · Original	🤖 Sentez · Synthesis

4. Қанша тұлпар десе де, мініп болмас жалсызды.

🎤 Orijinal · Original	🤖 Sentez · Synthesis

5. Жаманның алдына ас қойсаң, екі қолын бірдей салады.

🎤 Orijinal · Original	🤖 Sentez · Synthesis

---

⚡ Hızlı Başlangıç · Quick Start

Model, bir referans ses klibi üzerinden ses klonlaması yapar: eğitim konuşucusu için samples/1.wav'ı kullanabilir, farklı bir ses için kendi kaydınızı verebilirsiniz. The model clones the voice of a reference clip: use samples/1.wav for the training speaker, or pass your own recording for a different voice.

pip install torch torchaudio soundfile safetensors voxcpm
git clone https://huggingface.co/Anadilorg/Anadil_Kazakh_TTS
cd Anadil_Kazakh_TTS

# Tek cümle sentezle · Synthesize one sentence
python inference.py "Сәлем!" --reference samples/1.wav --out hello.wav

# 5 örnek cümlenin tümünü üret · Generate all 5 sample sentences
python inference.py --list-samples

Python

from inference import AnadilKazakhTTS

tts = AnadilKazakhTTS()  # openbmb/VoxCPM2 + bu repodaki LoRA ağırlıkları · + this repo's LoRA weights
tts.synthesize(
    "Сәлем!",
    reference_wav="samples/1.wav",
    out_path="hello.wav",
    cfg_value=2.0,
    inference_timesteps=10,
)

Gradio (yerel · local)

pip install gradio
python demo.py            # http://localhost:7860

Doğrulama · Smoke test

python test_smoke.py --weights-only   # saniyeler içinde ağırlık bütünlük kontrolü · weight integrity check
python test_smoke.py                  # tam test · full test

Donanım · Hardware: ~9 GB bellek (fp32) önerilir · recommended; CUDA tercih edilir · preferred, Apple Silicon daha yavaştır · slower.

---

⚠️ Kısıtlamalar · Limitations

• Küçük veri seti · Small dataset: 1.884 segment, ailedeki diğer modellere göre çok daha azdır; model eğitim konuşucusunun üslubuna yakındır. 1,884 segments is far fewer than most sibling models; output stays close to the training speaker's style.
• Tek konuşmacı · Single speaker: Farklı sesler referans klip ile sıfır-örnekçi klonlamayla yaklaşılır. Other voices are approximated via zero-shot cloning from a reference clip.
• Değerlendirme · Evaluation: Otomatik metrikler (WER, UTMOS vb.) henüz raporlanmamıştır; örnekler eğitim içi cümlelerdir. Automatic metrics (WER, UTMOS, …) are not reported yet; the samples are in-training sentences.

---

🌐 Anadil TTS Ailesi · The Anadil TTS Family

Aynı VoxCPM2 + LoRA yöntemiyle eğitilmiş açık kaynak modeller · Open-source models trained with the same VoxCPM2 + LoRA recipe:

Model	Dil · Language	Kod · Code	Segment
Anadil_Uyghur_TTS	Uygurca · Uyghur	ug	209.906
Anadil_Uzbek_TTS	Özbekçe · Uzbek	uz	87.695
Anadil_Kurmanji_TTS	Kurmancî · Kurmanji	kmr	65.102
AnadilAdygheTTS	Adığece · Adyghe	ady	54.004
Anadil_Kyrgyz_TTS	Kırgızca · Kyrgyz	kir	29.987
Anadil_Armenian_TTS	Ermenice · Armenian	hye	26.008
MozilLaz	Lazca · Laz	lzz	21.071
Anadil_Ladino_TTS	Ladino	lad	2.283
Anadil_Turkmen_TTS	Türkmence · Turkmen	tuk	2.031
Anadil_Kazakh_TTS (bu model · this model)	Kazakça · Kazakh	kaz	1.884
MozilLa_Zazaca_Alpha	Zazaca · Zaza	zza	~1.700

Proje sayfası ve diğer çalışmalar · Project page and more: anadil.org

---

📚 Kaynaklar · References

• Temel model · Base model: openbmb/VoxCPM2
• LoRA: Hu et al., 2021
• Veri · Data: Mozilla Common Voice 26.0 (kaz, CC-0)

🤝 Katkı ve İletişim · Contributing & Contact

Sorun, geri bildirim ve katkı için Community sekmesini kullanın · Use the Community tab for issues, feedback and contributions. Daha fazlası için · More: anadil.org. Bkz. CONTRIBUTING.md.

📄 Lisans · License

MIT — bkz. · see LICENSE. Eğitim verisi Mozilla Common Voice 26.0 (kaz) katkısından gelmektedir; lisans koşullarını (CC-0) gözden geçiriniz. Training data comes from Mozilla Common Voice 26.0 (kaz); please review its license terms (CC-0).

📎 Atıf · Citation

@software{anadil-kazakh-tts,
  author  = {Anadilorg},
  title   = {AnadilKazakhTTS: An Open-Source Text-to-Speech LoRA Adapter for Kazakh},
  url     = {https://huggingface.co/Anadilorg/Anadil_Kazakh_TTS},
  version = {0.1.0},
  year    = {2026}
}