MioTTS-0.6B Bulgarian Fine-Tuned (BG/EN)
Български
Това е fine-tuned версия на Aratako/MioTTS-0.6B, адаптирана за български TTS.
Какво е модифицирано
- Fine-tune на LLM частта за български текст → speech tokens.
- Обучение върху български dataset (24kHz, двама говорители), с финален run върху филтриран subset.
- Запазен е оригиналният tokenizer/архитектура (
Qwen3ForCausalLM, vocab 164480). - Няма промени в архитектурата на модела, само в learned weights.
- За inference е използван MioCodec pipeline (съвместим с
Aratako/MioCodec-25Hz-24kHz).
Финален checkpoint
- Избран финален checkpoint:
checkpoint-2000(Run 4). - Наблюдаван eval loss в края: ~5.176.
Лиценз и оригинален проект
- Лицензът е запазен: Apache-2.0.
- Оригинален проект: Aratako/MioTTS-0.6B.
Важно
- Този модел е предназначен за research/engineering use.
- Моля спазвайте местното законодателство при voice cloning.
Samples
English
This is a fine-tuned version of Aratako/MioTTS-0.6B, adapted for Bulgarian TTS.
What was modified
- Fine-tuned the LLM component for Bulgarian text → speech-token generation.
- Trained on a Bulgarian dataset (24kHz, two speakers), with the final run on a filtered subset.
- Preserved original tokenizer/architecture (
Qwen3ForCausalLM, vocab 164480). - No architectural changes; only model weights were updated.
- Inference is used with MioCodec pipeline (compatible with
Aratako/MioCodec-25Hz-24kHz).
Final checkpoint
- Final selected checkpoint:
checkpoint-2000(Run 4). - Final observed eval loss: ~5.176.
License and original project reference
- License preserved: Apache-2.0.
- Original project: Aratako/MioTTS-0.6B.
Notes
- This model is intended for research/engineering usage.
- Please follow local laws and policies for voice cloning usage.