İçeriğe geç
Ara

Ses ve konuşma

VoxCPM (39K)

30 dilde doğal seslendirme, ses tasarımı ve klonlama sunan açık kaynaklı TTS modeli.

Ne işe yarar?

VoxCPM2, metinleri ayrık belirteçlere (tokenizer) bölmeden doğrudan sürekli ses sinyali üreten açık kaynaklı bir konuşma sentezi modelidir. Difüzyon tabanlı özbağlanımlı mimarisi ve iki milyar parametreli yapısıyla aralarında Türkçenin de bulunduğu 30 dili destekler. Referans ses olmadan sadece metin açıklamasıyla (cinsiyet, yaş, ton) yeni bir ses tasarlayabilir veya kısa bir ses örneğiyle klonlama yapabilir. AudioVAE teknolojisi sayesinde 16 kHz referans seslerden stüdyo kalitesinde 48 kHz ses çıktısı üretebilir.

Neler için kullanılabilir?

  • Türkçe metinleri doğal tonlama ve duraklamalarla stüdyo kalitesinde seslendirmek.
  • Referans ses olmadan metin tanımıyla sıfırdan yapay karakter sesleri tasarlamak.
  • Kendi sesinizin tonunu koruyarak farklı bir duygu ve hızda konuşturmak.
  • vLLM-Omni entegrasyonuyla düşük gecikmeli gerçek zamanlı ses akışları oluşturmak.

Nasıl kullanılır?

  1. Hugging Face üzerinden model ağırlıklarını indirin.
  2. Gereksinimleri kurup vLLM-Omni veya Nano-vLLM ile çıkarım sunucusunu yapılandırın.
  3. Python kodu veya API üzerinden metin ve referans ses vererek seslendirmeyi başlatın.

Adımlar deponun README'sinden özetlendi; güncel kurulum için deponun kendi sayfasına bakın.

Kimler için?

Çok dilli ses projeleri geliştiren, ticari serbestlik arayan yazılımcılar ve yapay zekâ araştırmacıları.

Dikkat: Başkasının yüzünü ya da sesini izni olmadan kullanmak kişilik haklarını ve KVKK'yı ihlal edebilir; yalnızca kendi görüntün ya da izin alınmış içerikle kullan. Gerçek zamanlı çıkarım için Nvidia RTX 4090 gibi yüksek performanslı bir GPU önerilir; ticari kullanıma izin veren Apache-2.0 lisanslıdır.

Aynı kategoriden

  • Whisper Konuşmaları metne dönüştüren ve çeviri yapabilen genel amaçlı yapay zekâ modeli.
  • VoiceStudio Kendi bilgisayarınızda çalışan ses klonlama, dublaj ve konuşma tanıma aracı.
  • GPT-SoVITS (63K) Kısa bir ses kaydıyla ses klonlama ve metinden konuşma üretimi sağlayan web arayüzü.
  • voicebox (57,7K) Yerel olarak çalışan açık kaynaklı yapay zekâ ses stüdyosu ve dikte aracı.
  • whisper.cpp OpenAI Whisper modelinin C ve C++ ile yazılmış yüksek performanslı yerel sürümüdür.
  • fish-speech (33K) Çok karakterli diyalog ve detaylı ses düzenleme desteği sunan açık konuşma modeli.

Bilgiler GitHub'dan 18 Ekim 2026 tarihinde alındı. Sayıyla bu deponun sahibi değildir; kullanmadan önce lisansı ve güvenliği kendiniz değerlendirin.