Açık kaynak Türkçe TTS modelleri: lisans ve donanım

Hangi açık kaynak Türkçe TTS modeli neye uygun?

Açık kaynak Türkçe TTS modelleri arasında, model kartı ticari kullanıma açıkça izin veren ve CPU'da çalışan seçenek EMA Lightning'dir. FreyaTTS-small da Apache-2.0 lisanslıdır, ama x86 işlemcili bir VPS'te hangi hızda çalıştığı bilinmiyor. Trendyol-TTS bir MIT etiketi taşır, fakat kendini araştırma ve prototip çalışması olarak tanımlar ve GPU ister. Piper'ın tek Türkçe sesi, Coqui XTTS-v2 ve Meta'nın MMS-TTS Türkçe modeli ise ticari olmayan lisanslarla yayımlanıyor.

TTS (text-to-speech), yazılı metni sese çeviren modeldir. Bu rehber bir IVR (interactive voice response, telefondaki sesli yanıt menüsü), bir sesli asistan ya da seslendirme için modeli kendi sunucusunda çalıştırmak isteyen geliştiriciler ve küçük işletmeler için yazıldı. Aşağıdaki her bilgi 19 Ekim 2026'da ilgili Hugging Face model kartından ve lisans dosyasından okundu. Kartın söylemediği bir şeyi "belirtilmemiş" diye yazdık.

Ses kalitesine göre sıralama yapmıyoruz. Kartlardaki WER ve UTMOS rakamlarının hepsi modeli yayımlayanın kendi ölçümüdür ve hepsi aynı yöntemle ölçülmüş değildir. Onun yerine aşağıda kendi cümlelerinizle çalıştıracağınız bir test var.

Altı Türkçe TTS modelinin özeti

• EMA Lightning (canberkkkkkk/ema-lightning): toplam 8,6 milyon parametre (5,6 milyon akustik model artı 3 milyon vocoder), yaklaşık 34 MB. Lisans Apache-2.0, hem ağırlıklar hem kod için. Kart "Commercial use included" diyor. CPU veya GPU üzerinde, tamamen çevrimdışı çalışır. Tek ses var. Ses klonlama ve duygu kontrolü yok.
• FreyaTTS-small (freyavoice/freya-tts): 183,2 milyon parametre, ağırlık dosyası yaklaşık 733 MB. Lisans kartta ve meta etikette Apache-2.0. Kart RTX 4090 ve Apple M3 için hız veriyor, x86 bir VPS işlemcisi için vermiyor. Tek hedef konuşmacı var, klonlama yok.
• Trendyol-TTS (Trendyol/Trendyol-TTS): yaklaşık 2 milyar parametre. openbmb/VoxCPM2 temel modeline Türkçe bir LoRA adaptörü birleştirilmiş. Lisans olarak MIT meta etiketi var, depoda LICENSE dosyası yok. Donanım için kart "GPU destekli bir ortam" diyor. Tek ses mi, klonlama mı: kartta belirtilmemiş.
• Piper tr_TR-dfki-medium: parametre sayısı kartta yok, ONNX dosyası 63,2 MB. Lisans CC BY-NC-SA 4.0, yani ticari olmayan kullanım. Piper GPU'yu yalnızca --cuda bayrağıyla kullanır. Tek konuşmacı.
• Coqui XTTS-v2 (coqui/XTTS-v2): parametre sayısı kartta belirtilmemiş. Lisans Coqui Public Model License 1.0.0, ticari olmayan kullanım. Desteklediği 17 dil arasında Türkçe var. Kart, yaklaşık 6 saniyelik bir ses kaydından ses klonladığını söylüyor.
• Meta MMS-TTS Türkçe (facebook/mms-tts-tur): 36,3 milyon parametre, VITS mimarisi. Lisans CC-BY-NC 4.0, ticari olmayan kullanım. Konuşmacı sayısı kartta belirtilmemiş.

[
  {
    "label": "EMA Lightning",
    "parametre_milyon": 8.6
  },
  {
    "label": "MMS-TTS T\u00fcrk\u00e7e",
    "parametre_milyon": 36.3
  },
  {
    "label": "FreyaTTS-small",
    "parametre_milyon": 183.2
  },
  {
    "label": "Trendyol-TTS (yakla\u015f\u0131k)",
    "parametre_milyon": 2000
  }
]

Grafikte yalnızca kartında parametre sayısı yazan 4 model var. Piper sesi ve XTTS-v2 bu yüzden grafikte yok. Aradaki fark büyük: Trendyol-TTS yaklaşık 2000 milyon parametreyle EMA Lightning'in iki yüz katından büyük. Parametre sayısı kaliteyi söylemez. Ama disk ve bellek ihtiyacını belirler, bu yüzden bir modelin CPU'lu bir VPS'e sığıp sığmayacağını ilk o gösterir.

Ticari kullanım için lisansta neye bakmalısınız?

Hugging Face sayfasının üstündeki lisans etiketi, depo sahibinin doldurduğu bir meta veridir. Asıl belge lisans metninin kendisidir. Bir depoda lisans bilgisi birkaç yerde olabilir: meta etiket, LICENSE dosyası ve bazen her sesin kendi kartı. Bunlar her zaman aynı şeyi söylemez.

EMA Lightning. Kart lisansı ağırlıklar ve kod için Apache 2.0 olarak veriyor ve ticari kullanımı açıkça dahil ediyor. GitHub'daki LICENSE dosyası standart Apache License 2.0 metnidir. Kart yazılımın "as is", yani olduğu gibi sunulduğunu da söylüyor. Bir uyarısı IVR kuranlar için önemli. Metin normalleştirme, yani sayıları, tarihleri ve kısaltmaları okunacak kelimelere çeviren adım, alışılmadık girdiyi yanlış okuyabilir. Bu yüzden kart bankacılık, sağlık, hukuk veya acil durum mesajlarının bir insan tarafından kontrol edilmesini istiyor.

FreyaTTS-small. Kart ve meta etiket Apache-2.0 diyor. Depoda yalnızca README.md, config.json ve model.safetensors var. Ayrı bir LICENSE dosyası yok. Freya'nın üretim modeli FreyaTTS-large ise açık ağırlıklı değil. Kart onu ticari olarak sunulan model diye anlatıyor ve erişim için bir e-posta adresi veriyor.

Trendyol-TTS. Meta etiket license: mit, ama depoda LICENSE dosyası yok. Kart modeli bir araştırma ve prototip çalışması olarak tanımlıyor, yönetilen bir üretim servisi olarak değil. Kullanım amacı olarak değerlendirme, demo ve üretime geçmeden önceki kontrollü denemeleri sayıyor. Trendyol-TTS kartı eğitim verisini "+20 Hours Turkish Speak" diye listeliyor. Kart bunu özel bir Türkçe konuşma veri seti olarak tanımlıyor, yani 20 saatten fazla kayıt. Trendyol-TTS kartı kullanıcılardan VoxCPM2'nin, bu özel veri setinin ve kendi kullanım ortamlarının lisans ve kullanım koşullarını ayrıca kontrol etmelerini istiyor. Bu yüzden MIT etiketi tek başına bir cevap değildir. Temel modelin ve veri setinin koşulları da işin içindedir.

Piper tr_TR-dfki-medium. rhasspy/piper-voices deposunun README'si license: mit diyor. Ama her sesin kendi MODEL_CARD dosyası var ve Türkçe dfki sesinin kartı CC BY-NC-SA 4.0 lisansını gösteriyor. NC, ticari olmayan (non-commercial) demektir. Sesin kendi kartı daha özel bir belge olduğu için depo düzeyindeki MIT etiketine dayanmayın. Ses, MaryTTS DFKI Türkçe verisinden eğitilmiş ve ABD İngilizcesi lessac medium sesinden ince ayarla türetilmiş. Piper motorunun bugünkü deposu OHF-Voice/piper1-gpl ise GPL-3.0 lisanslı.

Coqui XTTS-v2. Depodaki LICENSE.txt, Coqui Public Model License 1.0.0 metnidir. Metin kullanımı ticari olmayan amaçlarla sınırlar. Ticari olmayanı da modelin kullanımından doğan doğrudan veya dolaylı hiçbir ödeme olmadan kullanım diye tanımlar. Ticari veya kâr amaçlı kuruluşlara yalnızca test, değerlendirme ve ticari olmayan araştırma-geliştirme için izin verir. Modeli ticari kullanım için başka modelleri eğitmekte kullanmak da ticari olmayan amaç sayılmaz. Coqui'den bugün ticari lisans alınıp alınamayacağını bu yazı için doğrulayamadık.

MMS-TTS Türkçe. Kart lisansı CC-BY-NC 4.0 olarak veriyor. fairseq deposundaki MMS README'si de MMS kodunun ve ağırlıklarının aynı lisansla yayımlandığını söylüyor. Kart ayrıca modelin deterministik olmadığını, aynı çıktıyı almak için sabit bir seed gerektiğini ve Transformers 4.33 veya sonrasını istediğini yazıyor.

Bu bölüm hukuki görüş değildir. Yalnızca lisans metinlerinin ne yazdığını aktarıyoruz. Ücretli bir üründe veya müşterilerinize açık bir IVR'da kullanmadan önce lisans metnini bir avukata gösterin.

Kartlar zamanla değişir, Hugging Face sayfaları da yalnızca "3 ay önce" gibi göreli tarihler gösterir. Test ettiğiniz revizyonu "Files and versions" geçmişinden not edin. Bu yazı okunurken Trendyol-TTS deposunun son commit'i 66a8018, FreyaTTS-small deposununki d124e07 idi. EMA Lightning kartında commit bilgisi görünmüyordu.

Ses klonlama ve KVKK hakkında ne söylenebilir?

XTTS-v2 birinin sesini kısa bir kayıttan kopyalayabildiği için ayrı bir soruyu da getirir. Trendyol-TTS kartı izinsiz ses klonlamayı, taklit ve aldatmayla birlikte yasak kullanımlar arasında sayıyor.

KVKK (Kişisel Verilerin Korunması Kanunu) tarafında yalnızca kvkk.gov.tr'nin söylediğini aktarabiliriz. Kurumun özel nitelikli kişisel veriler sayfası listeyi "ceza mahkûmiyeti ve güvenlik tedbirleriyle ilgili verileri ile biyometrik ve genetik verileridir" diye bitiriyor. Bu verilerin işlenmesi için de ilgili kişinin açık rızası gibi şartlar sayıyor. Aynı sayfa ses veya ses kaydından söz etmiyor. Bu yüzden bir ses kaydının biyometrik veri sayılıp sayılmadığını bu sayfadan çıkaramayız. Müşteri veya çalışan sesiyle çalışacaksanız kvkk.gov.tr sayfasını okuyun ve bir KVKK avukatına danışın.

Yayımlanan WER ve UTMOS rakamları neden karşılaştırılamaz?

TTS için WER (word error rate, kelime hata oranı) dolaylı ölçülür. Model bir cümleyi seslendirir. Bir konuşma tanıma modeli sesi yeniden yazıya döker. Bu yazı orijinal metinle karşılaştırılır. CER (character error rate) aynı ölçümün harf düzeyindeki halidir. UTMOS ise insan dinleyicilerin vereceği doğallık puanını tahmin eden otomatik bir modeldir.

EMA Lightning'in kartı Freya-TR-Eval üzerinde %0,92 WER bildiriyor. Depodaki PERFORMANCE.md dosyasına göre ölçüm setin 495 cümlesinin hepsiyle ve üç farklı seed ile yapıldı. Sonuç seed'e göre %0,79 ile %1,05 arasında değişiyor, CER ise %0,18. Tanıma için 8 kHz bantta Whisper large-v3 (beam 5) kullanılmış. Kart, sayılan hataların bir kısmının tanıyıcıya ait olabileceğini kendisi de söylüyor. Aynı kart UTMOS için yaklaşık 3,30 veriyor ve doğallık için "good, not the best" diyor.

Freya-TR-Eval'i EMA değil, FreyaTTS'i yapan freyavoice organizasyonu yayımladı. Set CC-BY-4.0 lisanslı ve 3 ile 13 kelime arası 495 günlük konuşma cümlesi içeriyor. Setin kartı birincil yöntem olarak bir LLM hakemiyle anlamsal WER öneriyor ve 8 kHz WER'i ikincil sayıyor. EMA ise 8 kHz bantta Whisper large-v3 ile düz WER kullandı. FreyaTTS-small kartı aynı sette %8,0 WER ve %3,0 CER bildiriyor, ama ölçüm yöntemini kartta anlatmıyor. Freya'nın kendi sıralama tablosu Freya-TR-Eval-Leaderboard, 18 Ekim 2026 tarihli güncellemesinde bu %8,0'ı FreyaTTS makalesindeki sonuç olarak gösteriyor ve 8 kHz bantta Whisper-large-v3 ile ölçülen düz WER karşılaştırmasına koyuyor. Tablo yöntemini "one recognizer, one Turkish normalizer, one corpus-level WER" diye özetliyor. Aynı tabloda EMA Lightning, PatientDesk adlı ekibin yeniden çalıştırmasıyla %1,04 WER ile yer alıyor. Tablo, makaleden alınan sonuçların tek denemeye, yeniden çalıştırmaların ise üç denemeye dayandığını ayrıca belirtiyor. Tablonun notuna göre PatientDesk'in yayımlanan FreyaTTS-small ağırlıklarıyla yaptığı yeniden çalıştırma %12,02 verdi. Yani iki model aynı ölçütle sıralanıyor, ama rakamlar farklı ekiplerden ve farklı deneme sayılarından geliyor. Trendyol-TTS kartı hiç WER vermiyor ve resmi MOS çalışmalarının dahil olmadığını söylüyor.

Bir not daha var. Setin kartı içeriği alana bağlı olmayan, banka, çağrı merkezi veya marka metni içermeyen cümleler olarak tanımlıyor. IVR'ınız müşteri numarası, tutar ve tarih okuyacaksa bu rakamlar sizin cümlelerinizi temsil etmez. Kendi testinizi yapmanızın asıl nedeni budur.

Kendi Türkçe test cümlelerinizi nasıl hazırlarsınız?

Her cümle bir hata türünü yakalamak için var. Hepsini her satıra bir cümle gelecek şekilde tek bir dosyaya yazın. Komutlar Ubuntu 24.04 içindir.

mkdir -p ~/tts-test && cd ~/tts-test
cat > cumleler.txt <<'EOF'
Işıkları kapattı, ılık sütünü içti ve iki ilacını aldı.
Şoför, dağdaki eğri yolda yağmur yüzünden yavaşladı.
Kargonuz 3 paket, toplam ağırlık 12,5 kilogram.
Randevunuz 3 Kasım 2026 Salı, saat 14.30'da.
Son ödeme tarihi 05.11.2026, müşteri numaranız 40718.
TRT, PTT ve SGK yarın açık mı?
Bize WhatsApp'tan ya da Instagram'dan yazabilirsiniz.
Avrupalılaştıramadıklarımızdan mısınız?
Görüşemediklerimizden biri yarın sizi arayacak.
EOF
wc -l cumleler.txt

wc -l çıktısı 9 cumleler.txt olmalı. Cümlelerin her biri şunu sınar:

• ı ve i: "ılık" ile "ilik" iki ayrı kelimedir. Noktalı ve noktasız i'yi karıştıran bir model kelimenin anlamını değiştirir. İlk cümle büyük "I" ile başlar, bu da aşağıdaki puanlama betiğinde önemli olacak.
• ş ve ğ: "ğ" sert bir g gibi okunmaz. "dağdaki" kelimesinde net bir "g" duyuyorsanız model yanlış okuyor.
• Sayılar ve tarihler: Türkçede ondalık ayırıcı virgüldür (12,5), saat noktayla yazılır (14.30) ve tarih gün.ay.yıl sırasıyla gelir (05.11.2026). Normalleştirme adımı bunları yanlış ayrıştırırsa model başka bir sayı okur. Telefonla tutar ve tarih okuyan bir IVR için en önemli satırlar bunlardır.
• Büyük harfli kısaltmalar: TRT harf harf okunur, ama büyük harfle yazılmış her kelime kısaltma değildir. EMA'nın CHANGELOG'una göre 1.1.0 sürümü marka adlarının, kısaltmaların ve büyük harfli kelimelerin okunuşunu iyileştirdi. 1.1.2 ise Türkçe ek almış marka adlarını ele aldı ve Instagram ile WhatsApp'ı kelime olarak okuttu. Yani TRT ve WhatsApp satırlarının sonucu kurduğunuz sürüme bağlıdır. Sürümü test notlarınıza yazın.
• Uzun ek zincirleri: "Avrupalılaştıramadıklarımızdan" gibi kelimeler vurguyu ve ritmi zorlar. Kelimeyi ortadan bölen veya ekleri yutan bir model burada belli olur.

Trendyol-TTS kartı da kısaltmalarda, alışılmadık adlarda, sayılarda ve uzun metinlerde performansın düşebileceği uyarısını yapıyor. Bu set tam olarak o noktaları sınar.

Test seslerini Piper ile nasıl üretirsiniz?

Komutların nasıl göründüğünü Piper ile gösteriyoruz, çünkü kurulumu tek bir pip paketidir. dfki sesinin lisansının ticari olmadığını yukarıda okudunuz. Diğer modeller için aynı dosya adlandırmasını kullanın (ema_01.wav, freya_01.wav gibi) ve sesleri her modelin kendi kartındaki örnek kodla üretin.

sudo apt update && sudo apt install -y python3-venv ffmpeg
python3 -m venv ~/tts-test/venv
source ~/tts-test/venv/bin/activate
cd ~/tts-test
pip install piper-tts
python3 -m piper.download_voices tr_TR-dfki-medium

Şimdi her satırı ayrı bir WAV dosyasına seslendirin:

n=0
while IFS= read -r satir; do
  n=$((n+1))
  python3 -m piper -m tr_TR-dfki-medium -f "piper_$(printf '%02d' "$n").wav" -- "$satir" < /dev/null
done < cumleler.txt
ls piper_*.wav

ls dokuz dosya listelemeli, piper_01.wav ile piper_09.wav arası. Döngü satırları read ile standart girdiden okur. İçerideki komut da standart girdiyi okursa sonraki satırları yutar ve döngü erken biter. Sonundaki < /dev/null bunu engeller. Daha az dosya görüyorsanız ilk bakacağınız yer burasıdır.

Hızı kabaca ölçmek için bütün seti tek seferde seslendirin ve süreyi ses uzunluğuyla karşılaştırın:

time python3 -m piper -m tr_TR-dfki-medium -f uzun.wav -- "$(tr '\n' ' ' < cumleler.txt)"
ffprobe -v error -show_entries format=duration -of csv=p=0 uzun.wav

time çıktısındaki real değerini ffprobe'un verdiği saniyeye bölün. Bu oran RTF'dir (real-time factor, gerçek zaman çarpanı). 1'in altındaki bir RTF, modelin sesi konuşulduğundan hızlı ürettiği anlamına gelir. Bu ölçüm modelin yüklenme süresini de içerir. Sürekli çalışan bir servis modeli bir kez yükler, bu yüzden sonucu bir üst sınır olarak okuyun.

Whisper ile geri dönüş testi nasıl yapılır?

Geri dönüş testinde Whisper ürettiğiniz sesi yazıya döker, bir betik de bu yazıyı orijinal cümleyle karşılaştırır. Whisper Türkçeyi destekler, kodu ve ağırlıkları MIT lisanslıdır. Aynı sanal ortama kurun:

pip install --extra-index-url https://download.pytorch.org/whl/cpu openai-whisper jiwer

EMA'nın README'si CPU'lu makinelerde PyTorch'un CPU dizinini öneriyor, çünkü varsayılan Linux PyTorch paketi yaklaşık 1,5 GB NVIDIA paketi çeker. Aynı bayrak burada da işe yarar. GPU'lu bir makinede bu bayrağı çıkarın.

IVR için sesi bir de telefon hattından geçmiş gibi dinlemek gerekir. Klasik telefon hattı sesi 8 kHz örnekleme hızıyla taşır. EMA'nın WER ölçümü de 8 kHz bantta yapıldı. Dosyaları dönüştürün:

for f in piper_*.wav; do
  ffmpeg -loglevel error -y -i "$f" -ar 8000 -ac 1 "tel_$f"
done
whisper tel_piper_*.wav --model turbo --language tr --output_format txt --output_dir sonuc --fp16 False
ls sonuc

sonuc klasöründe tel_piper_01.txt gibi dokuz metin dosyası görmelisiniz. --fp16 False CPU için var, çünkü Whisper varsayılan olarak fp16 kullanmaya çalışır. Whisper'ın boyutları tiny (39 milyon parametre) ile large (1550 milyon) arasında değişir, turbo 809 milyondur. Sonuç seçtiğiniz boyuta bağlıdır, bu yüzden bütün modelleri aynı boyutla test edin. Whisper modeli ilk çalıştırmada indirilir.

Şimdi puanlama betiğini yazın. Dosya adı puanla.py olsun:

import sys
from pathlib import Path
import jiwer

def tr_kucuk(metin):
    metin = metin.replace("I", "ı").replace("İ", "i")
    return metin.lower()

def temizle(metin):
    metin = tr_kucuk(metin)
    for isaret in ".,?!:;'’":
        metin = metin.replace(isaret, " ")
    return " ".join(metin.split())

onek = sys.argv[1]
cumleler = Path("cumleler.txt").read_text(encoding="utf-8").splitlines()
for i, ref in enumerate(cumleler, start=1):
    duyulan = (Path("sonuc") / f"{onek}{i:02d}.txt").read_text(encoding="utf-8")
    hata = jiwer.wer(temizle(ref), temizle(duyulan))
    print(f"{i:02d}  WER={hata:.2f}  {duyulan.strip()}")

python3 puanla.py tel_piper_

tr_kucuk fonksiyonu bir Türkçe tuzağı için var. Python'un lower() metodu dile göre değil, Unicode'un genel kuralına göre çalışır. Büyük "I" harfini "ı" değil "i" yapar. "İ" harfini de "i" artı birleşik bir nokta karakterine çevirir. Bu yüzden düz lower() ile "Işıkları" ile "ışıkları" eşleşmez ve ses doğru olsa bile hata sayılır. Bunu kendiniz görebilirsiniz: python3 -c 'print(len("İ".lower()))' komutu 2 yazar.

Çıktıyı nasıl okumalı? WER=0.00 satırı, iki metnin temizle adımından sonra aynı kelime dizisine indiğini gösterir, harfi harfine aynı olduklarını değil. Betik büyük ve küçük harfi eşitler ve noktalamayı siler. JiWER de varsayılan olarak her metnin başındaki ve sonundaki boşlukları atar, kelimeler arasındaki fazla boşlukları da kaldırır. Sayı ve tarih satırlarında sık sık hata görürsünüz, çünkü Whisper "12,5" ifadesini rakamla veya yazıyla farklı biçimde yazabilir. Bu tür hatalar TTS'in değil tanıyıcının olabilir. EMA'nın kartı da kendi WER'i için bunu söylüyor. Bu yüzden WER'i bir eleme aracı olarak kullanın. Hatalı her satırı kulaklıkla, hem orijinal hem tel_ dosyasından dinleyin. Her modelin sürümünü de kaydedin: pip freeze > surumler.txt.

CPU'lu bir VPS ne kaldırır, ne için GPU gerekir?

Donanım kararı, yukarıda ölçtüğünüz RTF ile verilir. Kartların söylediği şu:

• EMA Lightning: yazar CPU'da yaklaşık 6 kat gerçek zaman (RTF 0,166) bildiriyor. Ölçüm adı verilmemiş bir "cloud-container CPU" üzerinde yapılmış. İşlemci modeli, çekirdek sayısı ve test metni belirtilmemiş. Sizin VPS'inizde sonuç farklı olabilir, kendiniz ölçün.
• Piper: GPU yalnızca --cuda bayrağıyla ve onnxruntime-gpu paketiyle devreye girer. Kartta hız rakamı yok, yukarıdaki yöntemle ölçün.
• FreyaTTS-small: kart RTX 4090 için 0,10 ile 0,11 arası RTF, yaklaşık 0,5 saniyede ilk ses ve 1,5 GB VRAM bildiriyor. Apple M3 dizüstü işlemcisinde fp32 ile RTF 0,70, Apple silicon üzerinde Core ML ile yaklaşık 0,12. x86 bir VPS işlemcisi için rakam yok. M3 sonucunu bir VPS'in sanal çekirdeklerine taşımayın, satın almadan önce ölçün.
• Trendyol-TTS: ağırlık dosyası 4,58 GB, ayrıca 377 MB'lık bir audiovae.pth var. Kart VoxCPM2 çalışma gereksinimlerinin GPU destekli bir ortamda kurulmasını söylüyor. Bu model için GPU'lu bir sunucu planlayın.
• XTTS-v2 ve MMS-TTS: donanım ihtiyaçlarını bu yazı için doğrulamadık. Lisansları zaten ticari bir ürünün dışında tutuyor.

IVR'da aynı anda birden fazla çağrı olur. Tek akışta ölçtüğünüz RTF paralel akışlarda yükselir, çünkü süreçler aynı çekirdekleri paylaşır. Beklediğiniz eşzamanlı çağrı sayısı kadar sentezi aynı anda çalıştırın ve her birinin RTF'ini yeniden ölçün. RTF 1'in üstüne çıkarsa sentez konuşmaya yetişemez ve arayan kişi duraksamalar duyabilir. 1'e yakın değerlerde ne duyulacağı ara belleğe ve sesin hangi parçalarla gönderildiğine de bağlıdır, bu yüzden 1'in altında pay bırakın.

Model GPU istiyorsa iki soru kalır. Birincisi GPU'lu bir VPS'in ne zaman gerçekten gerektiği. İkincisi, kullanım hacminize göre GPU kiralamanın bir API'ye ödeme yapmaktan ne zaman ucuza geldiği.

Bundan sonra ne yapmalı?

Testten sonra EMA Lightning'i seçtiyseniz, kurulum, sürüm sabitleme ve servis olarak çalıştırma SSD Nodes Learn'deki EMA Lightning'i VPS'te çalıştırma rehberinde anlatılıyor. Bir sesli asistan kuruyorsanız TTS işin yarısıdır. Diğer yarısı için kendi sunucunuzda konuşma tanıma ve TTS kurmak rehberine bakın. Sesi telefona bağlayacaksanız sıradaki adım bir VPS üzerinde kendi VoIP sunucunuzu kurmak.

FAQ: sık sorulan sorular

Ticari bir üründe hangi açık kaynak Türkçe TTS modelini kullanabilirim?

EMA Lightning'in kartı ağırlıklar ve kod için Apache 2.0 diyor ve ticari kullanımı açıkça dahil ediyor. FreyaTTS-small da kartında ve meta etiketinde Apache-2.0. Trendyol-TTS MIT etiketi taşıyor, ama kendini araştırma ve prototip çalışması olarak tanımlıyor ve VoxCPM2 ile özel veri setinin koşullarını ayrıca kontrol etmenizi istiyor. Piper'ın Türkçe dfki sesi CC BY-NC-SA 4.0, XTTS-v2 Coqui Public Model License, MMS-TTS ise CC-BY-NC 4.0 ile yayımlanıyor ve üçü de ticari olmayan kullanımla sınırlı. Bu hukuki görüş değildir. Ücretli bir üründen önce lisans metnini bir avukata gösterin.

EMA Lightning'in %0,92 WER sonucu ne anlama geliyor?

Bu, EMA'nın yazarının kendi ölçümüdür. Ölçüm FreyaTTS'i yapan freyavoice organizasyonunun yayımladığı 495 cümlelik Freya-TR-Eval setinde, üç seed ile ve 8 kHz bantta Whisper large-v3 ile yapıldı. Freya'nın 18 Ekim 2026'da güncellenen kendi sıralama tablosu da 8 kHz bantta Whisper-large-v3 WER kullanıyor. Orada EMA Lightning üç denemelik bir yeniden çalıştırmayla %1,04, FreyaTTS-small ise makalesindeki tek denemelik sonuçla %8,0 görünüyor. Rakamlar farklı ekiplerden ve farklı deneme sayılarından geldiği için farkı kesin değil yaklaşık okuyun. Set ayrıca banka veya çağrı merkezi metni içermiyor, bu yüzden IVR cümlelerinizle kendiniz test edin.

Türkçe TTS çalıştırmak için GPU gerekir mi?

Modele bağlı. EMA Lightning CPU'da çalışır ve yazarı adı verilmemiş bir bulut işlemcisinde yaklaşık 6 kat gerçek zaman bildiriyor. Piper da GPU'yu yalnızca --cuda ile kullanır. Yaklaşık 2 milyar parametreli Trendyol-TTS için kart GPU destekli bir ortam istiyor. FreyaTTS-small için x86 VPS işlemcisinde ölçülmüş bir rakam yok. Her durumda sentez süresini ses süresine bölerek kendi RTF değerinizi ölçün.

Piper'da neden yalnızca bir Türkçe ses var?

19 Ekim 2026'da rhasspy/piper-voices deposunun tr/tr_TR klasöründe yalnızca dfki sesi vardı ve yalnızca medium kalitede. Depo geçmişinde fahrettin ve fettah seslerinin katkı sahiplerinin isteğiyle kaldırıldığını söyleyen bir commit var. Kalan tr_TR-dfki-medium sesi tek konuşmacılı ve kendi kartına göre CC BY-NC-SA 4.0 lisanslı. Depo düzeyindeki MIT etiketi bu sesin kartının yerini tutmaz.