Navoiy TTS энди барча учун очиқ

МаҳсулотларЎқиш вақти: 3 дақиқа

Муаллиф: Otabek Nurmuhammad

Navoiy TTS — ўзбекча нутқ синтезининг очиқ кодли модели

Бугун биз Navoiy TTS моделини очиқ кодли қилишга қарор қилдик. Асос сифатида CosyVoice2-0.5B моделини олиб, GPU’га жойладик ва етарлича ўзбекча аудио «масаллиқлари» билан тайёрладик. Натижада ўзбек тилида яхши гапира оладиган матндан нутқ яратиш модели пайдо бўлди.

Модель ўзбекча матнни нейтрал ёки ифодали нутққа айлантиради. Шунингдек, сонлар, саналар, вақтлар, тутуқ белгилари ва ўзбек кирилл матнини синтезга тайёрлайдиган нормаллаштириш воситаси ҳам мавжуд.

Ҳеч нарса мукаммал эмас ва бу моделнинг ҳам ўз чекловлари бор. Ҳаммаси масаллиққа — маълумотларга боғлиқ. Сифатли масаллиқ қанча кўп бўлса, натижа шунча яхши бўлади.

Нега моделни барча учун очиқ қилдик?

Кундалик нутқ фақат оддий сўзлардан иборат эмас. Шуни ҳисобга олиб, модель қуйидагилар учун тайёрланди:

  • сонлар, саналар ва вақтни тўғри ўқиш;
  • исмлар ва жой номларини тўғри талаффуз қилиш;
  • лотин ва кирилл ёзувларини тушуниш;
  • табиий паузалар билан гапириш;
  • турли гапириш услубларини қўллаш;
  • гап ичидаги русча ва инглизча сўзларни талаффуз қилиш.

Сиз дуч келишингиз мумкин бўлган бошқа ҳолатларни ҳам ҳисобга олишга ва уларга боғлиқ мураккаб вазифаларни ҳал қилишга ҳаракат қилдик.

Бизга раҳмат айтишнинг энг осон йўли — лойиҳани дўстларингиз билан улашиш. Модель лойиҳангизга фойда келтирса, жуда хурсанд бўламиз.

Моделларимиздан фойдаланаётганингиз бизни қувонтиради. Нутқни матнга ва матнни нутққа айлантириш моделларимизни ишлатаётганингиз учун раҳмат.

Қандай ишлатилади?

Моделни ўрнатиш, созлаш ва ишга тушириш учун қуйидаги босқичларни бажаринг. Моделнинг сақланган ҳолати мустақил ишламайди: асл CosyVoice коди ва CosyVoice2-0.5B базавий модели ҳам керак.

1. Аввал CosyVoice’ни ўрнатинг

bash

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git
cd CosyVoice
git checkout 074ca6dc9e80a2f424f1f74b48bdd7d3fea531cc
git submodule update --init --recursive
pip install -r requirements.txt
cd ..

2. Navoiy TTS’ни юклаб олинг

bash

git clone https://huggingface.co/aisha-org/navoiy-tts
pip install -r navoiy-tts/requirements.txt

CosyVoice2-0.5B базавий моделини модель картасида кўрсатилган версияда юклаб олинг.

3. Нутқ яратинг

bash

python navoiy-tts/inference.py \
  --cosyvoice-dir CosyVoice \
  --base-model-dir CosyVoice/pretrained_models/CosyVoice2-0.5B \
  --checkpoint navoiy-tts/emotion_600h_joint.pt \
  --reference reference.wav \
  --text "Bugun siz bilan muhim bir xabarni baham ko'rmoqchiman." \
  --emotion warm \
  --output output.wav

Скрипт CUDA ҳисоблаш имкониятини талаб қилади ва 24 kHz аудио яратади. Мавжуд барча ҳиссиётларни кўриш учун --list-emotions буйруғидан фойдаланинг.

Ҳиссиётлар

Модель calm, happy, sad, angry, nervous, surprised, whisper, warm, tired ва sarcastic ҳиссиётларини қўллайди.

Бу созламалар аниқ бир натижани кафолатламайди. Якуний овоз матн, намуна аудио, моделнинг сақланган ҳолати ва тасодифийликнинг бошланғич қийматига боғлиқ. Тизимни амалий фойдаланишга жорий этишдан олдин ўз матнларингиз билан синашни тавсия қиламиз.

Нормаллаштириш

Матндан нутқ яратувчи модель учун сон ва саналарни талаффуз қилиш қийин бўлиши мумкин. Navoiy TTS нормаллаштириш модулини ҳам тақдим этади:

python

from uztts.normalize import normalize

print(normalize('Bugun 16.07.2026, soat 14:30 da uchrashamiz.'))

У кирилл матнини лотинга ўтказади, тутуқ белгиларини бир хил кўринишга келтиради ҳамда одатий сонлар, саналар, вақт, тартиб сонлар ва бошқа ҳолатларни нормаллаштиради.

Чекловлар

Модель исмлар, ўзлашма сўзлар, қисқартмалар ва ноодатий сонларни нотўғри талаффуз қилиши мумкин. Сўзларни такрорлаши, тушириб қолдириши ёки ўзгартириши ҳам мумкин. Шевалар ва бир неча тилдаги матнларни ҳали тўлиқ баҳоламаганмиз.

Овозни клонлашдан олдин унинг эгасидан аниқ розилик олинг. Моделни бошқа шахс номидан гапириш, алдаш, фирибгарлик, таъқиб ёки овоз орқали тасдиқлаш тизимларини четлаб ўтиш учун ишлатманг. Тингловчилар овозни ҳақиқий инсонники деб ўйлаши мумкин бўлган жойларда унинг сунъий эканини билдиринг.

Хулоса

Navoiy TTS ҳар бир гап учун мукаммал натижа ваъда қилмайди. У дастурчилар ва тадқиқотчилар синаши, яхшилаши ҳамда янги маҳсулотлар яратишда фойдаланиши мумкин бўлган очиқ асосдир.

Моделни Hugging Face саҳифасида кўринг, намуналарни тингланг ва тажрибангиз билан бўлишинг.

Манбалар