【免费下载链接】ema-lightning项目地址https://ai.gitcode.com/hf_mirrors/canberkkkkkk/ema-lightning点击查看免费下载如果你正在寻找一款轻量、高速的土耳其语 TTS文本转语音模型EMA Lightning 值得关注。这是一款仅8.6M 参数、约 34 MB的开源土耳其语 text-to-speech 系统Apache 2.0 协议它在 Freya-TR-Eval 基准上以0.92% WER拿下精度第一同时在 RTX 4090 上跑出440 倍实时速度且完全离线、免费商用。8.6M参数的小模型凭什么精度登顶在土耳其语 TTS 领域小模型 低质量似乎是常识。EMA Lightning 用一张基准测试表打破了这个印象系统参数量WER %相对实时速度EMA Lightning编译版8.6M0.92 ± 0.13440×Trendyol-TTS2.38B0.982.8×Gemini 3.8 Flash-Lite—1.31—ElevenLabs v4—1.43—XTTS-v2470M3.347.1×FreyaTTS183M12.028.4×几个关键点精度第一WER 0.92%不仅低于 ElevenLabs v4 和 Gemini 3.8甚至低于参数量 277 倍于它的 Trendyol-TTS⚡速度第一RTF 低至 0.0023即 440 倍实时开启 batch 64 后达到 1,316×完全离线无需 API Key文本与音频不出本机成本极低按 $0.74/小时租用 RTX 4090 计算每百万字符约$0.00856 小时 7 分钟的有声书batch 模式下约17 秒生成完毕。速度实测3.86ms 出第一帧音频在 RTX 4090 .lightning()快速路径下核心数据如下指标数值单请求速度440× 实时RTF 0.0023首个音频延迟3.86 ms从原始文本开始含文本归一化Batch 641,316× 实时CPU无 GPU约 6× 实时RTF 0.166也就是说CPU 上也能实用只是 GPU 上的体验差距明显。快速上手一条命令安装土耳其语TTS安装非常简单pip install ema-lightning核心用法只需要三行代码创建一个EMA实例并调用say()from ema_lightning import EMA tts EMA() # 自动下载 ema.pt 和 decoder.pt有 GPU 就用 GPU speech tts.say(Merhaba, size nasıl yardımcı olabilirim?, pathmerhaba.wav) print(speech.duration, speech.sample_rate) # 音频时长秒、48000常用参数一览参数取值默认speed0.25 ~ 41.0seed非负整数同 seed 出相同音频随机sample_rate48000 / 24000 / 16000 / 800048000path仅say()支持存 WAV无批量生成时say()接受文本列表一次调用共享批处理按顺序返回结果speeches tts.say([Günaydın., Siparişiniz yola çıktı.], pathclips)流式播放边生成边出声实时应用语音助手、电话更推荐stream()——音频按片段产出第一个 1 秒片段在 GPU 上约 4 ms 就准备好了播放永远不会等待import sounddevice as sd # pip install sounddevice with sd.OutputStream(samplerate48000, channels1, dtypefloat32) as speaker: for chunk in tts.stream(Merhaba! Bu ses siz dinlerken üretiliyor.): speaker.write(chunk)多路并发时say()/stream()可以从任意多个线程同时调用。内部调度器Playhead会把所有调用者的请求在 GPU 上合并批处理——实测在 RTX PRO 6000 上64 路流同时启动0.74 秒生成了 887 秒音频且每路都与单独生成时完全一致。架构速览两个模型文件8.6M 参数模型权重只有两个文件文件内容参数ema.pt声学模型文本编码器、时长预测器、窗口对齐器、DiT 潜变量生成器5.6Mdecoder.pt声码器HiFi-GAN 风格解码器潜变量 → 48 kHz 音频3.0M整体流程可以概括为四步文本编码土耳其语文本经 normalizer-tr 归一化后逐字符编码时长对齐时长预测器 词–字母时间轴 窗口式高斯对齐器为每帧生成条件潜变量生成6 层 DiT 用flow matching DMD2 蒸馏只需4 步采样教师模型需 16 步解码25 Hz 潜变量上采样 ×1920 得到 48 kHz 音频模型参数仅 34 MB配置细节可参考 config.json采样率 48000、潜变量率 25 Hz、4 步采样。局限性适合什么场景选型前请了解它的边界️单一音色不支持声音克隆和情绪控制仅土耳其语外来词按土耳其语拼读规则朗读✨自然度良好但非顶级UTMOS 约 3.30与 ElevenLabs v4 持平略低于 Gemini 3.83.52~3.61和 Trendyol-TTS3.83 官方提醒合成语音应告知听者这是 AI 生成欧盟 AI Act 等法规有此要求金融、医疗、法律类消息建议人工复核总结EMA Lightning 证明了轻量 TTS 的另一种可能8.6M 参数、34 MB 体积、440 倍实时、离线运行、免费商用。如果你的业务是土耳其语客服、有声书、语音通知等场景它目前是精度、速度、成本三杀的首选方案。模型效果试听样本见 assets/sample-1.wav、assets/sample-2.wav、assets/sample-3.wav完整文档见 README.md。赞分享【免费下载链接】ema-lightning项目地址https://ai.gitcode.com/hf_mirrors/canberkkkkkk/ema-lightning点击查看免费下载相关推荐Kumru-2B20亿参数土耳其语AI新标杆导语 土耳其AI公司VNGRS推出仅20亿参数的开源大语言模型Kumru 2B在多项土耳其语任务中超越数倍规模的国际模型重新定义中小参数模型在特定语言领域Cloudflare Workers Proxy高级功能302跳转与路径保留完整指南Cloudflare Workers Proxy高级功能302跳转与路径保留完整指南 Cloudflare Workers Proxy 是一个强大的 HTTPKumru-2B20亿参数土耳其语AI新势力Kumru 2B20亿参数土耳其语AI新势力 导语 土耳其AI公司VNGRS推出轻量级开源大语言模型Kumru 2B以20亿参数实现对百亿级模型的性能超越创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考