Africa TTS

Africa TTS от AfriSpeech — компактная TTS-модель на 110M параметров для 92 африканских языков и английского. Основана на 6-слойной Pocket TTS FlowLM, умеет клонировать голос по клипу 3–10 с и по умолчанию работает на CPU через audio.cpp быстрее реального времени.

🌟 Ключевые особенности

• 🎤 92 африканских языка + английский; у каждого языка есть голос по умолчанию.
• 🦾 110M параметров, 6-слойная Pocket TTS FlowLM; дистилляция из 24-слойной Africa TTS Base, 200k шагов.
• ⬇ CPU-движок audio.cpp: GGUF q8_0 на 144 MB, без PyTorch; первый поток аудио примерно через 0.1 с.
• ✅ Клониров��ние голоса по 3–10-секундному клипу.
• 📱 Форматы: safetensors fp32, GGUF q8_0 и int8-бандл sherpa-onnx для телефонов.
• 🔥 Обучена на 897 ч реальной речи; выход 24 kHz mono.

🔥 Пример

from africa_tts import AfricaTTS

tts = AfricaTTS.load()
audio = tts.generate('Akwaaba! Yɛfrɛ me Kofi.', lang='twi')
audio = tts.generate('Hello Ghana!', lang='eng', voice='my_voice.wav')
tts.save(audio, 'out.wav')

Подробнее

CER ниже, чем у MMS-TTS, в 21 из 27 общих языков: английский — 2.4 против 3.5, суахили — 1.2 против 2.6, киньяруанда — 3.2 против 6.3.
По умолчанию CPU-движок audio.cpp: GGUF q8_0 ≈144 MB, без PyTorch; первый поток аудио ≈0.1 с, загрузка модели ≈150 MB.
Обучена на 897 ч реальной речи; языки с менее ~2 ч данных слабые, часть G2P-таблиц не размечает тон. Лицензия CC-BY-NC-4.0, только некоммерческое использование; клонирование нельзя применять для выдачи себя за другого.