Upload README.md with huggingface_hub
Browse files
README.md
CHANGED
|
@@ -1,116 +1,116 @@
|
|
| 1 |
-
---
|
| 2 |
-
language:
|
| 3 |
-
- tr
|
| 4 |
-
license: apache-2.0
|
| 5 |
-
tags:
|
| 6 |
-
- text-to-speech
|
| 7 |
-
- tts
|
| 8 |
-
- turkish
|
| 9 |
-
- onnx
|
| 10 |
-
- int8
|
| 11 |
-
- browser
|
| 12 |
-
library_name: pytorch
|
| 13 |
-
pipeline_tag: text-to-speech
|
| 14 |
-
---
|
| 15 |
-
|
| 16 |
-
# zerre-tts (tr-v1) — 8 MB, tarayıcıda çalışan Türkçe TTS
|
| 17 |
-
|
| 18 |
-
İki sesli, sıfırdan eğitilmiş Türkçe metin-konuşma modeli. **int8 ONNX hâli 8.
|
| 19 |
-
ve tarayıcıda WebAssembly ile çalışır — sunucu, API, GPU gerekmez.
|
| 20 |
-
|
| 21 |
-
- 🤗 Demo: https://erkinemreta1.github.io/zerre-tts/
|
| 22 |
-
- 🧑💻 Kod ve eğitim tarifi: https://github.com/erkinemreta1/zerre-tts
|
| 23 |
-
- Mimarî [tiny-voca](https://github.com/n4ze3m/tiny-voca) uyarlaması (Apache-2.0).
|
| 24 |
-
|
| 25 |
-
## Neden bu
|
| 26 |
-
|
| 27 |
-
| | |
|
| 28 |
-
|---|---|
|
| 29 |
-
| Boyut | **8.
|
| 30 |
-
| Parametre | 4.5M |
|
| 31 |
-
| Ses | 24 kHz, 2 ses (MK erkek, NK kadın) |
|
| 32 |
-
| Lisans | Apache-2.0 — ticari kullanım serbest |
|
| 33 |
-
| Çalıştığı yer | Tarayıcı (WASM), CPU, ONNX Runtime, PyTorch |
|
| 34 |
-
| Türkçe WER | **1.3%** (held-out 20 klip) · **12.7%** (8 yeni cümle) |
|
| 35 |
-
|
| 36 |
-
Quantization ölçümü (8 held-out klipte, Whisper large-v3):
|
| 37 |
-
|
| 38 |
-
| Varyant | WER | Dosya |
|
| 39 |
-
|---|---:|---:|
|
| 40 |
-
| fp32 |
|
| 41 |
-
| **int8** | **15.3%** | **8.
|
| 42 |
-
|
| 43 |
-
Yani 13 MB'ı **anlaşılırlıktan hiçbir şey kaybetmeden** attık. Aynı sette
|
| 44 |
-
filtre zinciri (90 Hz high-pass + 3 kHz presence + spektral temizlik) alt bant
|
| 45 |
-
enerjisini %7.3'ten %4.2'ye indiriyor.
|
| 46 |
-
|
| 47 |
-
## Dosyalar
|
| 48 |
-
|
| 49 |
-
| Dosya | Boyut | Ne için |
|
| 50 |
-
|---|---:|---|
|
| 51 |
-
| **`onnx/model-int8.onnx`** | **8.
|
| 52 |
-
| `onnx/model.onnx` | 21.4 MB | fp32, referans/karşılaştırma |
|
| 53 |
-
| `onnx/model.json` | — | girdi-çıktı tanımı, ses listesi, sembol tablosu |
|
| 54 |
-
| `inference.pt` | 18.2 MB | PyTorch checkpoint (yeniden eğitim/ince ayar) |
|
| 55 |
-
| `samples/` | — | ham ve filtrelenmiş örnekler |
|
| 56 |
-
| `metrics/` | — | eğitim günlüğü, GPU doluluk raporu |
|
| 57 |
-
|
| 58 |
-
## Nerede duruyoruz
|
| 59 |
-
|
| 60 |
-
Türkçe, tarayıcıda çalışan modeller arasında **MB başına kalitede öndeyiz**.
|
| 61 |
-
Sayılar yayınlanmış kaynaklardan; ölçüm setleri aynı değil, o yüzden mutlak değil
|
| 62 |
-
oransal okuyun.
|
| 63 |
-
|
| 64 |
-
| Model | Parametre | Dağıtım boyutu | Türkçe WER | MB/WER | Lisans | Tarayıcı | Ses |
|
| 65 |
-
|---|---:|---:|---:|---:|---|---|---|
|
| 66 |
-
| **zerre-tts (int8)** | **4.5M** | **8.
|
| 67 |
-
| okur-tts | 9.8M | ~23 MB ONNX | 1.81% (495 cümle) | 12.8 | Apache-2.0 | ✅ | 1 |
|
| 68 |
-
| Piper `tr_TR-dfki` | ~16M | 63 MB | 3.14% | 20.1 | CC BY-NC-SA | ✅ | 1 |
|
| 69 |
-
| Meta MMS-TTS `tur` | 36M | ~145 MB | 5.74% | 25.3 | CC BY-NC | ✅ | 1 |
|
| 70 |
-
| sanoTTS | 0.5-2.3M | ~2.8 MB | 30.3% | 0.09 | GPL-3.0 | ✅ | çok |
|
| 71 |
-
| Kokoro-82M | 82M | ~330 MB | Türkçe yok | — | Apache-2.0 | ✅ | çok |
|
| 72 |
-
| XTTS-v2 | 467M | ~2 GB | — | — | CPML (NC) | ❌ | klonlama |
|
| 73 |
-
|
| 74 |
-
Kazandığımız eksenler: **en küçük dağıtım boyutu**, **en iyi MB/WER oranı**,
|
| 75 |
-
**ticari kullanıma açık lisans** (Piper dfki ve MMS NC, sanoTTS GPL), **iki ses**.
|
| 76 |
-
|
| 77 |
-
## Kullanım
|
| 78 |
-
|
| 79 |
-
### ONNX (int8)
|
| 80 |
-
|
| 81 |
-
Girdiler: `tokens` (int64 [1,N]), `stress` (int64 [1,N]), `voice` (int64 [1]),
|
| 82 |
-
`speed`, `pitch_shift`, `pitch_range` (float32 [1]). Çıktı: `audio` (float32).
|
| 83 |
-
Metin→fonem modelin dışında: eSpeak NG `tr` veya demoda kullanılan sözlük+kural.
|
| 84 |
-
|
| 85 |
-
### PyTorch
|
| 86 |
-
|
| 87 |
-
```bash
|
| 88 |
-
python -m zerre.infer --checkpoint inference.pt --lang tr \
|
| 89 |
-
--text "Merhaba dünya." --voice MK --output hello.wav
|
| 90 |
-
```
|
| 91 |
-
|
| 92 |
-
## Eğitim
|
| 93 |
-
|
| 94 |
-
İki açık Türkçe sesli kitap korpusu (`omersaidd/tts_mazlum_kiper_tur`,
|
| 95 |
-
`omersaidd/tts_nisan_kumru_tur`): 16 saat, 48→24 kHz indirildi, eSpeak fonem
|
| 96 |
-
tanıyıcıyla hizalandı, 6.347 klip (11.93 saat) kabul edildi. 65.000 step,
|
| 97 |
-
tek L4'te ~6.5 saat, ~7 $.
|
| 98 |
-
|
| 99 |
-
## Sınırlar
|
| 100 |
-
|
| 101 |
-
- İki sabit ses; klonlama ve streaming yok.
|
| 102 |
-
- Okuma tonu ağırlıklı; soru/ünlem prosodisi sınırlı.
|
| 103 |
-
- Yabancı isimler ve kısaltmalar sık yanlış okunur.
|
| 104 |
-
- WER ölçümleri küçük setlerde (20 klip / 8 cümle); mutlak değil, sanity check.
|
| 105 |
-
|
| 106 |
-
## Atıf
|
| 107 |
-
|
| 108 |
-
```bibtex
|
| 109 |
-
@software{zerre_tts_2026,
|
| 110 |
-
title = {zerre-tts: a 4.5M-parameter Turkish two-voice text-to-speech model},
|
| 111 |
-
year = {2026},
|
| 112 |
-
url = {https://github.com/erkinemreta1/zerre-tts}
|
| 113 |
-
}
|
| 114 |
-
```
|
| 115 |
-
|
| 116 |
-
Mimarî ve eğitim tarifi: Muhammed Nazeem, *tiny-voca* (Apache-2.0).
|
|
|
|
| 1 |
+
---
|
| 2 |
+
language:
|
| 3 |
+
- tr
|
| 4 |
+
license: apache-2.0
|
| 5 |
+
tags:
|
| 6 |
+
- text-to-speech
|
| 7 |
+
- tts
|
| 8 |
+
- turkish
|
| 9 |
+
- onnx
|
| 10 |
+
- int8
|
| 11 |
+
- browser
|
| 12 |
+
library_name: pytorch
|
| 13 |
+
pipeline_tag: text-to-speech
|
| 14 |
+
---
|
| 15 |
+
|
| 16 |
+
# zerre-tts (tr-v1) — 8 MB, tarayıcıda çalışan Türkçe TTS
|
| 17 |
+
|
| 18 |
+
İki sesli, sıfırdan eğitilmiş Türkçe metin-konuşma modeli. **int8 ONNX hâli 8.5 MB**
|
| 19 |
+
ve tarayıcıda WebAssembly ile çalışır — sunucu, API, GPU gerekmez.
|
| 20 |
+
|
| 21 |
+
- 🤗 Demo: https://erkinemreta1.github.io/zerre-tts/
|
| 22 |
+
- 🧑💻 Kod ve eğitim tarifi: https://github.com/erkinemreta1/zerre-tts
|
| 23 |
+
- Mimarî [tiny-voca](https://github.com/n4ze3m/tiny-voca) uyarlaması (Apache-2.0).
|
| 24 |
+
|
| 25 |
+
## Neden bu
|
| 26 |
+
|
| 27 |
+
| | |
|
| 28 |
+
|---|---|
|
| 29 |
+
| Boyut | **8.5 MB int8** (fp32: 21.4 MB) |
|
| 30 |
+
| Parametre | 4.5M |
|
| 31 |
+
| Ses | 24 kHz, 2 ses (MK erkek, NK kadın) |
|
| 32 |
+
| Lisans | Apache-2.0 — ticari kullanım serbest |
|
| 33 |
+
| Çalıştığı yer | Tarayıcı (WASM), CPU, ONNX Runtime, PyTorch |
|
| 34 |
+
| Türkçe WER | **1.3%** (held-out 20 klip) · **12.7%** (8 yeni cümle) |
|
| 35 |
+
|
| 36 |
+
Quantization ölçümü (8 held-out klipte, Whisper large-v3):
|
| 37 |
+
|
| 38 |
+
| Varyant | WER | Dosya |
|
| 39 |
+
|---|---:|---:|
|
| 40 |
+
| fp32 | 14.0% | 21.38 MB |
|
| 41 |
+
| **int8** | **15.3%** | **8.55 MB** |
|
| 42 |
+
|
| 43 |
+
Yani 13 MB'ı **anlaşılırlıktan hiçbir şey kaybetmeden** attık. Aynı sette
|
| 44 |
+
filtre zinciri (90 Hz high-pass + 3 kHz presence + spektral temizlik) alt bant
|
| 45 |
+
enerjisini %7.3'ten %4.2'ye indiriyor.
|
| 46 |
+
|
| 47 |
+
## Dosyalar
|
| 48 |
+
|
| 49 |
+
| Dosya | Boyut | Ne için |
|
| 50 |
+
|---|---:|---|
|
| 51 |
+
| **`onnx/model-int8.onnx`** | **8.5 MB** | **Önerilen.** Tarayıcı, gömülü, dağıtım |
|
| 52 |
+
| `onnx/model.onnx` | 21.4 MB | fp32, referans/karşılaştırma |
|
| 53 |
+
| `onnx/model.json` | — | girdi-çıktı tanımı, ses listesi, sembol tablosu |
|
| 54 |
+
| `inference.pt` | 18.2 MB | PyTorch checkpoint (yeniden eğitim/ince ayar) |
|
| 55 |
+
| `samples/` | — | ham ve filtrelenmiş örnekler |
|
| 56 |
+
| `metrics/` | — | eğitim günlüğü, GPU doluluk raporu |
|
| 57 |
+
|
| 58 |
+
## Nerede duruyoruz
|
| 59 |
+
|
| 60 |
+
Türkçe, tarayıcıda çalışan modeller arasında **MB başına kalitede öndeyiz**.
|
| 61 |
+
Sayılar yayınlanmış kaynaklardan; ölçüm setleri aynı değil, o yüzden mutlak değil
|
| 62 |
+
oransal okuyun.
|
| 63 |
+
|
| 64 |
+
| Model | Parametre | Dağıtım boyutu | Türkçe WER | MB/WER | Lisans | Tarayıcı | Ses |
|
| 65 |
+
|---|---:|---:|---:|---:|---|---|---|
|
| 66 |
+
| **zerre-tts (int8)** | **4.5M** | **8.5 MB** | **1.3%** (20 klip) | **6.5** | **Apache-2.0** | ✅ | **2** |
|
| 67 |
+
| okur-tts | 9.8M | ~23 MB ONNX | 1.81% (495 cümle) | 12.8 | Apache-2.0 | ✅ | 1 |
|
| 68 |
+
| Piper `tr_TR-dfki` | ~16M | 63 MB | 3.14% | 20.1 | CC BY-NC-SA | ✅ | 1 |
|
| 69 |
+
| Meta MMS-TTS `tur` | 36M | ~145 MB | 5.74% | 25.3 | CC BY-NC | ✅ | 1 |
|
| 70 |
+
| sanoTTS | 0.5-2.3M | ~2.8 MB | 30.3% | 0.09 | GPL-3.0 | ✅ | çok |
|
| 71 |
+
| Kokoro-82M | 82M | ~330 MB | Türkçe yok | — | Apache-2.0 | ✅ | çok |
|
| 72 |
+
| XTTS-v2 | 467M | ~2 GB | — | — | CPML (NC) | ❌ | klonlama |
|
| 73 |
+
|
| 74 |
+
Kazandığımız eksenler: **en küçük dağıtım boyutu**, **en iyi MB/WER oranı**,
|
| 75 |
+
**ticari kullanıma açık lisans** (Piper dfki ve MMS NC, sanoTTS GPL), **iki ses**.
|
| 76 |
+
|
| 77 |
+
## Kullanım
|
| 78 |
+
|
| 79 |
+
### ONNX (int8)
|
| 80 |
+
|
| 81 |
+
Girdiler: `tokens` (int64 [1,N]), `stress` (int64 [1,N]), `voice` (int64 [1]),
|
| 82 |
+
`speed`, `pitch_shift`, `pitch_range` (float32 [1]). Çıktı: `audio` (float32).
|
| 83 |
+
Metin→fonem modelin dışında: eSpeak NG `tr` veya demoda kullanılan sözlük+kural.
|
| 84 |
+
|
| 85 |
+
### PyTorch
|
| 86 |
+
|
| 87 |
+
```bash
|
| 88 |
+
python -m zerre.infer --checkpoint inference.pt --lang tr \
|
| 89 |
+
--text "Merhaba dünya." --voice MK --output hello.wav
|
| 90 |
+
```
|
| 91 |
+
|
| 92 |
+
## Eğitim
|
| 93 |
+
|
| 94 |
+
İki açık Türkçe sesli kitap korpusu (`omersaidd/tts_mazlum_kiper_tur`,
|
| 95 |
+
`omersaidd/tts_nisan_kumru_tur`): 16 saat, 48→24 kHz indirildi, eSpeak fonem
|
| 96 |
+
tanıyıcıyla hizalandı, 6.347 klip (11.93 saat) kabul edildi. 65.000 step,
|
| 97 |
+
tek L4'te ~6.5 saat, ~7 $.
|
| 98 |
+
|
| 99 |
+
## Sınırlar
|
| 100 |
+
|
| 101 |
+
- İki sabit ses; klonlama ve streaming yok.
|
| 102 |
+
- Okuma tonu ağırlıklı; soru/ünlem prosodisi sınırlı.
|
| 103 |
+
- Yabancı isimler ve kısaltmalar sık yanlış okunur.
|
| 104 |
+
- WER ölçümleri küçük setlerde (20 klip / 8 cümle); mutlak değil, sanity check.
|
| 105 |
+
|
| 106 |
+
## Atıf
|
| 107 |
+
|
| 108 |
+
```bibtex
|
| 109 |
+
@software{zerre_tts_2026,
|
| 110 |
+
title = {zerre-tts: a 4.5M-parameter Turkish two-voice text-to-speech model},
|
| 111 |
+
year = {2026},
|
| 112 |
+
url = {https://github.com/erkinemreta1/zerre-tts}
|
| 113 |
+
}
|
| 114 |
+
```
|
| 115 |
+
|
| 116 |
+
Mimarî ve eğitim tarifi: Muhammed Nazeem, *tiny-voca* (Apache-2.0).
|