|
Download README.tr.md from cloud0day3/antalia-1-foundation: direct link, hf CLI and curl.
- Browser
- Download file 8.94 kB
-
https://huggingface.co/cloud0day3/antalia-1-foundation/resolve/main/README.tr.md
- Command line
-
hf download hf://cloud0day3/antalia-1-foundation/README.tr.md
-
curl -L -o README.tr.md https://huggingface.co/cloud0day3/antalia-1-foundation/resolve/main/README.tr.md
8.94 kB
| language: | |
| - tr | |
| license: openrail | |
| license_name: antalia-openrail-m | |
| license_link: LICENSE.md | |
| library_name: antalia | |
| pipeline_tag: text-to-speech | |
| tags: | |
| - text-to-speech | |
| - turkish | |
| - flow-matching | |
| - rectified-flow | |
| - foundation-model | |
| - safetensors | |
| datasets: | |
| - google/fleurs | |
| <div align="center"> | |
| # Antalia 1 Foundation | |
| **Antalia 1'in arkasındaki, yalnızca açık veriyle sıfırdan eğitilmiş konuşmacıdan bağımsız Türkçe akustik model.** | |
| [](https://huggingface.co/cloud0day3/antalia-1) | |
| [](https://0daycloud.github.io/antalia/tr/#foundation) | |
| [](https://github.com/0daycloud/antalia) | |
| [](https://github.com/0daycloud/antalia/blob/main/paper/main.pdf) | |
| [](https://huggingface.co/datasets/cloud0day3/antalia-voice-corpus) | |
| [](LICENSE.md) | |
| English: [README.md](README.md) | |
| </div> | |
| > **Geliştirme durduruldu.** Başkaları https://github.com/0daycloud/antalia deposundaki kodla kendi | |
| > izinli Türkçe seslerini ince ayarlayabilsin diye olduğu gibi yayımlandı. İletişim: | |
| > sezgin@patientdesk.ai veya [GitHub issues](https://github.com/0daycloud/antalia/issues). | |
| ## Bir bakışta | |
| | | | | |
| |---|---| | |
| | **Nedir** | [Antalia 1](https://huggingface.co/cloud0day3/antalia-1)'in temel modeli: 24 kHz, 100 bantlı log-mel spektrogramlar üzerinde ~300 milyon parametreli, karakter koşullu bir düzeltilmiş akış modeli. | | |
| | **Konuşmacı** | Yok. Konuşmacı koşullaması bulunmaz; çıktının sesi Common Voice katkıcılarının belirsiz bir ortalamasıdır ve örnekleme tohumuyla değişir. | | |
| | **Boyut** | 299,6 milyon parametre, fp32 safetensors, 1,20 GB. | | |
| | **Eğitim verisi** | Common Voice 26.0 Türkçe (CC0) ve FLEURS Türkçe (CC-BY-4.0), 61.469 süzülmüş klip, 67,55 saat. Başka hiçbir şey. | | |
| | **Anlaşılırlık** | 120 istemlik `turkish-v2` setinde tek tohumda CER 0,1835. Bir anlaşılırlık tabanı, ürün sesi değil. | | |
| | **Ne için** | Aşağıdaki referans zinciriyle yeni bir izinli Türkçe sese ince ayar yapmak için. | | |
| | **Lisans** | Ağırlıklar: Antalia OpenRAIL-M ([LICENSE.md](LICENSE.md)); modeli kullanan veya yeniden dağıtan her şeyde yazarlara atıf zorunludur. Kod: Apache-2.0. | | |
| ## Dinleyin | |
| Her iki kayıt da konuşmacı kimliği 0 ile, yani koşulsuz yolla yapay zekâ tarafından üretilmiştir. | |
| İnce ayar aşamalarının ne kattığını duyabilmeniz için her biri ince ayarlı Antalia 1'in aynı | |
| cümlesiyle eşlenmiştir. Daha fazlası [örnek sitesinde](https://0daycloud.github.io/antalia/tr/#foundation). | |
| <table> | |
| <thead> | |
| <tr><th align="left">İstem</th><th align="left">Kayıtlar</th></tr> | |
| </thead> | |
| <tbody> | |
| <tr> | |
| <td><i>Sabah güneşi sessiz sokağın taşlarına yavaşça vuruyordu.</i><br><sub>Genel</sub></td> | |
| <td><sub>Temel model, koşulsuz</sub><br><audio controls preload="none" src="https://0daycloud.github.io/antalia/audio/general-001-foundation.wav"></audio><br><sub>Antalia 1, 8'den en iyisi · CER 0,00 · Benz. 0,972</sub><br><audio controls preload="none" src="https://0daycloud.github.io/antalia/audio/general-001-selected.wav"></audio></td> | |
| </tr> | |
| <tr> | |
| <td><i>Size yardımcı olabilmem için randevu tarihini paylaşır mısınız?</i><br><sub>Sesli asistan</sub></td> | |
| <td><sub>Temel model, koşulsuz</sub><br><audio controls preload="none" src="https://0daycloud.github.io/antalia/audio/voice-agent-001-foundation.wav"></audio><br><sub>Antalia 1, 8'den en iyisi · CER 0,00 · Benz. 0,959</sub><br><audio controls preload="none" src="https://0daycloud.github.io/antalia/audio/voice-agent-001-selected.wav"></audio></td> | |
| </tr> | |
| </tbody> | |
| </table> | |
| ## Hızlı başlangıç | |
| ```bash | |
| git clone https://github.com/0daycloud/antalia | |
| cd antalia | |
| uv sync # veya: pip install -e . | |
| # Vokoder: BigVGAN yeniden dağıtılmaz. Sabitlenmiş commit + tek satırlık hub yaması. | |
| git clone https://github.com/NVIDIA/BigVGAN /opt/bigvgan | |
| git -C /opt/bigvgan checkout 7d2b454564a6c7d014227f635b7423881f14bdac | |
| patch -d /opt/bigvgan -p4 < scripts/patches/bigvgan-huggingface-hub-1.patch | |
| export PYTHONPATH=/opt/bigvgan | |
| python scripts/synthesize-crossflow.py \ | |
| --checkpoint cloud0day3/antalia-1-foundation \ | |
| --vocoder nvidia/bigvgan_v2_24khz_100band_256x \ | |
| --sway -0.8 --steps 32 --mel-clamp 5.0 \ | |
| --text "Bugün hava çok güzel, dışarıda yürüyüş yapmak istiyorum." \ | |
| --output foundation.wav | |
| ``` | |
| Yeni bir sese ince ayar için `configs/crossflow/` altındaki referans zincirini izleyin: | |
| `foundation-speaker-v2.json` → `candidate-b-speaker-v1.json` → `cfg-foundation-v1.json` → | |
| `candidate-consistency-v1.json` → `candidate-b-timbre-adapter-v2.json`. Bu zincirin üzerinde | |
| çalıştırıldığı ses külliyatı açıktır: [antalia-voice-corpus](https://huggingface.co/datasets/cloud0day3/antalia-voice-corpus) | |
| (5,008 saat, CC-BY-4.0). | |
| ## Eğitim verisi | |
| | Kaynak | Kullanılan klip | Lisans | | |
| |---|---:|---| | |
| | Common Voice 26.0 Türkçe (doğrulanmış, süzülmüş) | 59.593 | CC0-1.0 | | |
| | FLEURS Türkçe | 1.876 | CC-BY-4.0 | | |
| Toplam 61.469 klip / 67,55 saat. Süzme: zorunlu Türkçe Whisper-large-v3 transkript denetimi | |
| (kabul edilenlerde ortanca CER 0, p90 0,111), etkin ses, seviye, kırpılma ve SNR eşikleri, | |
| konuşmacı başına üst sınır, konuşmacı ayrık doğrulama bölümü. 120.407 doğrulanmış CV klibinden | |
| elenenler: 7.098 yetersiz etkin ses, 1.449 transkript uyumsuzluğu, 356 çok kısa, 351 düşük seviye, | |
| 5 düşük SNR, 4 kırpılma. Klip kimlikleri ve sağlama toplamlarını içeren süzgeç manifestleri kod | |
| deposunda; sesin kendisi yeniden barındırılmaz. | |
| ## Eğitim | |
| Sıfırdan başlatma; tek A100-80GB üzerinde 100.000 güncelleme; AdamW, 2.000 ısınma güncellemesiyle | |
| 1e-4'ten 1e-5'e azalan öğrenme oranı, ağırlık sönümü 0,01, gradyan kırpma 1,0, EMA 0,9999; yığın | |
| başına 6.000 mel karesi (≤32 örnek, klip başına ≤24 s); süre kaybı ağırlığı 0,1; 256 eğitim kaydı | |
| (89.966 kare) üzerinde ölçülen bant başına mel ortalama/standart sapma normalizasyonu, ±5'te | |
| kırpılmış. Bant başına normalizasyon olmadan yapılan iki önceki temel eğitim ıraksadı ve terk edildi. | |
| ## Kalite | |
| 120 istemlik `turkish-v2` setinde, tek tohum, 32 Euler adımı, rehberliksiz: | |
| | Ölçüt | Temel model | Antalia 1 (tek tohum) | | |
| |---|---:|---:| | |
| | CER ort. | 0,1835 | 0,0528 | | |
| | CER p90 | 0,4049 | 0,1348 | | |
| | WER ort. | 0,3952 | 0,1297 | | |
| Bu, örneklenmiş sesli, konuşmacıdan bağımsız bir model için anlaşılırlık tabanıdır; tek başına | |
| ürün sesi olarak kullanılamaz. | |
| ## Dosyalar | |
| | Dosya | Amaç | | |
| |---|---| | |
| | `model.safetensors` | EMA ağırlıkları, fp32, 299.623.013 parametre. SHA-256 `89ecf310a14333c6bd5a754360cee2207027dd23b2a0171984a32c423afcfcd1` | | |
| | `config.json` | `antalia-crossflow-release-v1` yayın biçimi: mimari, mel istatistikleri, karakter sözlüğü, vokoder işaretçisi, köken bilgisi | | |
| | `LICENSE.md` | Antalia OpenRAIL-M | | |
| Vokoder: yükleyicinin indirdiği `nvidia/bigvgan_v2_24khz_100band_256x` (MIT). | |
| ## Mimari | |
| 16 Transformer bloğu (boyut 768, 12 baş, SwiGLU FFN 3072); mel kareleri üzerinde öz dikkat, | |
| karakterler üzerinde çapraz dikkat ve akış zaman adımından sıfır başlatılmış adaLN modülasyonu; | |
| 4 bloklu ConvNeXt tarzı karakter kodlayıcı; skaler log toplam süre başlığı. Belirlenimci Türkçe | |
| metin normalleştirici; harf girdisi. | |
| ## Kısıtlar | |
| - Koşulsuz ses kimliği rastgeledir ve tohumlar arasında kararsızdır. | |
| - Uzun girdiler süre başlığı tarafından eksik bütçelenir; cümle parçalama kullanın. | |
| - Sayılar, yabancı adlar ve kısaltmalar en yüksek hata oranlarına sahiptir. | |
| - Yalnızca Türkçe. Ezberleme denetimi yapılmadı. | |
| ## Lisans ve kullanım | |
| Ağırlıklar: Antalia Open RAIL-M (`LICENSE.md`): taklit yok, açıklanmamış sentetik konuşma yok, | |
| dolandırıcılık veya otomatik arama yok. Modelin veya türevlerinin her dağıtımı ile bunları | |
| kullanan her ürün, hizmet veya yayın, bu depoya ya da kod deposuna bağlantıyla birlikte Sezgin | |
| Saygili, Emre Kaplaner, Oncel Ozgul ve Fikri San Koktas (Patientdesk.ai) tarafından geliştirilen | |
| "Antalia 1"e atıfta bulunmalıdır. Kod: Apache-2.0. | |
| ## Atıf | |
| ```bibtex | |
| @misc{antalia1_2026, | |
| title = {Antalia 1: An Open Turkish Text-to-Speech Model from a Rights-Clean Pipeline}, | |
| author = {Saygili, Sezgin and Kaplaner, Emre and Ozgul, Oncel and Koktas, Fikri San}, | |
| year = {2026}, | |
| note = {Technical report}, | |
| url = {https://huggingface.co/cloud0day3/antalia-1-foundation} | |
| } | |
| ``` | |