/ Модель

Характеристики

Лицензия
Apache 2.0
Библиотека
freyatts
Опубликована
7 июл 2026

Freya-TTS

Синтез речиТекст → аудио3 профессии

FreyaTTS-small — компактная модель с открытыми весами для синтеза турецкой речи из текста.

6 598скачиваний за 30 дней52лайкавеса обновлены27 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

FreyaTTS-small — компактная модель синтеза речи на турецком языке от Freya Voice. Модель содержит 183,2 млн параметров и формирует речь из текста на уровне символов, используя 92 символа без фонемизатора и G2P. Архитектура — безавторегрессионный diffusion transformer с conditional flow matching: генерация выполняется в замороженном латентном пространстве AudioVAE2 за 32 шага интегрирования. На выходе получается монофоническое аудио с частотой 48 кГц.

Модель предназначена для озвучивания турецких текстов, в том числе коротких реплик для голосовых интерфейсов. В оценке Freya-TR-Eval она показала WER 8,0% и CER 3,0%, заняв третье место среди семи открытых турецких TTS-моделей с числом параметров менее миллиарда. По заявленным измерениям, на RTX 4090 RTF составляет 0,10–0,11 при использовании около 1,5 ГБ VRAM.

Модель обучена с нуля на турецкой речи, затем прошла этапы предварительного обучения и SFT. Она рассчитана на одного целевого диктора и не поддерживает клонирование голоса. Лицензия Apache-2.0 разрешает открытое использование и самостоятельный запуск; опубликованы веса, код инференса и обучающий конвейер.

Сценарии применения

  • озвучивание турецких текстовых сообщений
  • генерация коротких реплик для турецкого голосового помощника
  • синтез речи для турецкого голосового интерфейса
  • создание турецкой аудиоверсии короткого текста

Ограничения

Поддерживает турецкий язык и одного целевого диктора; клонирование голоса не предусмотрено. Результаты оценки и скорости приведены разработчиком и могут отличаться на других данных и оборудовании.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FreyaTTS-small

FreyaTTS-small is a 183M-parameter Turkish text-to-speech model, and the open-source member of the FreyaTTS family. It is tokenizer-free at the character level (92 symbols, no phonemizer or G2P) and generates speech with a non-autoregressive conditional flow-matching DiT in the frozen AudioVAE2 latent space (25 Hz, 64-dim latents, 16 kHz encode / 48 kHz decode). Output is 48 kHz mono.

The FreyaTTS family

FreyaTTS-small (this model) is our compact, Apache-2.0, self-hostable model, released in full: weights, inference code, and training pipeline.

FreyaTTS-large is our production model, serving Turkish voice agents at Freya (YC S25) with higher naturalness and expressivity. It is available commercially rather than as open weights. For access, contact us at dev@freyavoice.ai.

The model id freyavoice/freya-tts predates this naming and is unchanged; it refers to FreyaTTS-small.

Usage

from freyatts import FreyaTTS

tts = FreyaTTS.from_pretrained("freyavoice/freya-tts", device="cuda")
wav = tts.synthesize("Merhaba, size nasıl yardımcı olabilirim?")   # np.float32, 48 kHz
tts.save_wav(wav, "output.wav")

Clone freyavoiceai/FreyaTTS and install requirements.txt.

Model details

  • Architecture: conditional flow-matching diffusion transformer, non-autoregressive, 32-step Euler ODE, no CFG
  • Parameters: 183.2M
  • Input: character-level Turkish, 92-symbol vocabulary
  • Latent space: frozen AudioVAE2 (Apache-2.0, openbmb/VoxCPM2), 64-dim at 25 Hz, decodes to 48 kHz
  • Training: from scratch on Turkish speech; pretraining followed by SFT stage 1/2 (voice lock, short-utterance coverage)
  • Voice: single target speaker, no cloning

Evaluation

On Freya-TR-Eval: WER 8.0% / CER 3.0%, ranking 3rd of 7 among open sub-1B Turkish TTS models, ahead of XTTS-v2 (11.1% WER) and F5-TTS (24.3% WER).

Speed

  • RTX 4090: RTF 0.10-0.11, TTFT ~0.5 s, 1.5 GB VRAM, 9.4 audio-s/s at concurrency 4
  • About 3.2x faster RTF and 3.7x less VRAM than the 2B VoxCPM2
  • Apple M3 laptop CPU: RTF 0.70 (fp32); ~0.12 end to end via Core ML on Apple silicon

Citation

FreyaTTS-small is described in our technical report, arXiv:2607.09530:

@misc{pamuk2026freyattscompacttokenizerfreeflowmatching,
      title={FreyaTTS: A Compact Tokenizer-Free Flow-Matching Transformer for Turkish-First Speech Synthesis}, 
      author={Ahmet Erdem Pamuk and Ömer Yentür and Ahmet Tunga Bayrak and Yavuz Alp Sencer Öztürk and Mustafa Yavuz},
      year={2026},
      eprint={2607.09530},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2607.09530}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · freyatts

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
d124e07

0 моделей