Instructions to use Anadilorg/Anadil_Laz_TTS with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- VoxCPM
How to use Anadilorg/Anadil_Laz_TTS with VoxCPM:
import soundfile as sf from voxcpm import VoxCPM model = VoxCPM.from_pretrained("Anadilorg/Anadil_Laz_TTS") wav = model.generate( text="VoxCPM is an innovative end-to-end TTS model from ModelBest, designed to generate highly expressive speech.", prompt_wav_path=None, # optional: path to a prompt speech for voice cloning prompt_text=None, # optional: reference text cfg_value=2.0, # LM guidance on LocDiT, higher for better adherence to the prompt, but maybe worse inference_timesteps=10, # LocDiT inference timesteps, higher for better result, lower for fast speed normalize=True, # enable external TN tool denoise=True, # enable external Denoise tool retry_badcase=True, # enable retrying mode for some bad cases (unstoppable) retry_badcase_max_times=3, # maximum retrying times retry_badcase_ratio_threshold=6.0, # maximum length restriction for bad case detection (simple but effective), it could be adjusted for slow pace speech ) sf.write("output.wav", wav, 16000) print("saved: output.wav") - Notebooks
- Google Colab
- Kaggle
AnadilLazTTS — Lazca Text-to-Speech Modeli
AnadilLazTTS, openbmb/VoxCPM2 temel modelinin tamamının ince ayar (full fine-tune) ile üretilmiş, Lazca (ISO 639-3: lzz, Kartvel dil ailesi) için açık kaynak bir konuşma sentezi (text-to-speech) modelidir. 51.601 segmentlik, Mozilla Common Voice Laz 27.0 katkısından gelen (dataset) tek konuşmacılı veri setiyle eğitilmiştir.
"Anadil" ailesindeki (Kırgızca, Uyghur, Özbek, Azerbaycan, Kazak, Başkurt vb.) diğer üyelerin aksine, bu paket bir LoRA adaptörü DEĞİLDİR — ailenin ilk full fine-tune modelidir: 2,29 milyar parametreli VoxCPM2 modeli tüm ağırlıklarıyla ince ayarlanmış ve bu repoda kendi başına yüklenir bir model olarak dağıtılır.
AnadilLazTTS is an open-source text-to-speech model for Laz (Kartvelian language, lzz), produced by fully fine-tuning the VoxCPM2 base model (2.29B parameters) on 51,601 single-speaker utterances from Mozilla Common Voice Laz 27.0. Unlike the other "Anadil" family members (which ship a LoRA adapter), this package ships the entire fine-tuned model — it is the family's first full fine-tune.
📜 Önceki Sürüm — MozilLaz
Bu model, ailenin ilk Lazca TTS modeli olan MozilLaz (VoxCPM2 LoRA adaptörü; ~21.071 segment, 2.000 adım)'ın doğrudan devamı (successor)'dır. Yeni sürüm; yaklaşık 2,5 kat daha büyük eğitim verisi (51.601 segment), 5 kat daha fazla eğitim adımı (10.000) ve LoRA yerine tam model ince ayarı ile üretilmiştir. Her iki model de MIT lisanslıdır; yeni modelin çıktısı önceki sürümle karşılaştırılabilir.
This model is the successor of MozilLaz, the family's first Laz TTS model (a VoxCPM2 LoRA adapter trained on 21,071 segments for 2,000 steps). The new release is built on **2.5× more training data** (51,601 segments), 5× more training steps (10,000), and a full fine-tune of the base model instead of a LoRA adapter. Both models are MIT-licensed; the new model's output is directly comparable to its predecessor's.
📋 Model Bilgileri
| Özellik | Detay |
|---|---|
| Dil | Lazca (lzz, Kartvel) |
| Konuşucu | spk_tmp_001 (tek konuşmacı) |
| Temel model | openbmb/VoxCPM2 |
| Yöntem | Tam ince ayar (full fine-tune) — 2,29B parametre, tüm ağırlıklar |
| Eğitim verisi | 51.601 segment — Mozilla Common Voice Laz 27.0, tek konuşmacı |
| Eğitim adımı | 10.000 (son checkpoint) |
| Önceki sürüm | MozilLaz (LoRA, ~21.071 segment, 2.000 adım) |
| Model boyutu | ~8,5 GB (model.safetensors, F32, 577 tensor) |
| Sample rate | 48 kHz çıkış |
| Lisans | MIT |
🔊 Örnek Sesler — Orijinal ve Sentez Karşılaştırması
Aşağıda orijinal referans ses (gerçek konuşmacı) ile modelin ürettiği sentez (TTS) arasındaki farkları duyabilirsiniz:
Not: Şeffaflık için belirtelim — bu 5 örnek cümlenin tümü eğitim sırasında modele görülmüş (in-training) cümlelerdir ve her sentez, o cümlenin kendi orijinal ses kaydını referans olarak kullanarak üretilmiştir. Otomatik kalite metrikleri (WER, UTMOS vb.) henüz hesaplanmamıştır.
| # | Lazca Metin | Orijinal (Gerçek Konuşmacı) | Sentez (Model Çıktısı) |
|---|---|---|---|
| 1 | Cari doç̌vi-i? | ||
| 2 | Hemuşen made da var miyonun. | ||
| 3 | Muği ameriša. | ||
| 4 | Goisarindu do dardalu. | ||
| 5 | Nana-şǩimi ujden iǩaimen. |
⚡ Hızlı Başlangıç
Model, hedef konuşmacının referans ses klibi (reference wav) üzerinden ses klonlaması yapar — eğitim konuşucusu için samples/1.wav kullanılabilir, farklı bir ses için kendi wav kaydınızı verin. Bu paket tüm modeli içerir; ayrıca bir temel model ya da LoRA ağırlığı indirmenize gerek yoktur.
pip install torch torchaudio soundfile safetensors voxcpm
git clone https://huggingface.co/Anadilorg/Anadil_Laz_TTS
cd Anadil_Laz_TTS
# Tek cümle sentezle
python inference.py "Cari doç̌vi-i?" --reference samples/1.wav --out hello.wav
# Repo'daki 5 örnek cümlenin tümünü üret (samples/1a..5a.wav)
python inference.py --list-samples
Python API
from inference import AnadilLazTTS
tts = AnadilLazTTS() # bu repodaki tam (full) model — dış bağımlılık yok
tts.synthesize(
"Cari doç̌vi-i?",
reference_wav="samples/1.wav",
out_path="hello.wav",
cfg_value=2.0,
inference_timesteps=10,
)
Gradio arayüzü (yerel)
pip install gradio
python demo.py # http://localhost:7860
🧪 Doğrulama
python test_smoke.py --weights-only # saniyeler içinde model ağırlık bütünlük kontrolü
python test_smoke.py # tam test: tam modeli yükler, Lazca bir cümle sentezler
⚠️ Kısıtlamalar
- Tek konuşmacı: Model tek bir konuşmacı etiketi (
spk_tmp_001) üzerine eğitilmiştir; farklı sesler referans klip ile sıfır-örnekçi klonlama yoluyla yaklaşılmaya çalışılır. - Kalite metrikleri: Henüz otomatik metrikler (WER, UTMOS vb.) raporlanmamıştır; örnekler eğitim içi cümlelerle sınırlıdır.
- Boyut: Full fine-tune olduğu için ~8,5 GB model ağırlığı içerir (LoRA adaptöründen büyüktür). Sentez için ~9 GB bellek önerilir (fp32); CUDA tercih edilir, Apple Silicon daha yavaştır.
Citation
@software{anadil-laz-tts,
author = {Anadilorg},
title = {AnadilLazTTS: A Full Fine-Tune of VoxCPM2 for Laz Text-to-Speech},
url = {https://huggingface.co/Anadilorg/Anadil_Laz_TTS},
version = {0.1.0},
year = {2026}
}
Lisans
MIT — ayrıntılar için LICENSE dosyasına bakınız. Eğitim verisi Mozilla Common Voice Laz 27.0 (dataset) katkısından gelmektedir; ilgili lisans koşullarını (CC-0) lütfen gözden geçiriniz.
- Downloads last month
- 20
Model tree for Anadilorg/Anadil_Laz_TTS
Base model
openbmb/VoxCPM2