Arşive Dön
Aktif Geliştirme★ Öne çıkanForge Series

VoxForge

Türkçe sesli kitap üretimine yönelen yerel TTS stüdyosu: VoxCPM2, XTTS-v2 ve Chatterbox V3 motorları, kitap içe aktarma, bölüm kuyruğu, Quality Director ve alternatif take seçimi.

Rol — Forge serisinin en hızlı gelişen artifact’i; izinli ses verisiyle yerel çalışan çok motorlu ses üretim ve değerlendirme stüdyosu.

Kısa Bilgiler

Rol
Forge serisinin en hızlı gelişen artifact’i; izinli ses verisiyle yerel çalışan çok motorlu ses üretim ve değerlendirme stüdyosu.
Durum
Aktif Geliştirme
Seri
Forge Series
Kategori
Voice / Audio Lab
Ana Girdi
Kitap metni, bölümler ve izinli referans sesler
Ana Çıktı
Seçili take’lerden birleştirilmiş bölüm WAV’ları ve açıklanabilir kalite raporları

Sistem Özeti

VoxForge, Windows üzerinde yerel çalışan bir Türkçe TTS deney aracı olarak başladı ve Kasım 2026 itibarıyla sesli kitap üretimine yönelen bir stüdyoya dönüştü. Ana takip GitHub Issue #18 altında aşamalı PR’larla ilerler; her aşama ayrı birleştirilir.

Birincil motor VoxCPM2’dir; XTTS-v2 ve Chatterbox V3 karşılaştırma için korunur. Studio ve Voice Playground aynı GPU worker’ını paylaşır, aynı anda yalnız bir motor süreci çalışır ve motor değişiminde CUDA belleği süreçle birlikte boşaltılır.

Mevcut Kapsam

Main dalında: Studio projeleri ve kuyruğu, kitap içe aktarma ve bölüm iş akışları (VF-020), VoxCPM2 Studio kuyruğu ve seçili take ile WAV dışa aktarımı (VF-019), Quality Director ve Voice Takes (VF-018), VoxCPM2 prosody kontrolleri ve sahne anlatımı (VF-016/017), VoxCPM2 voice design ve karakter kütüphanesi (VF-021). Quality Director; ses ölçümleri ve CPU üzerinde faster-whisper ASR kelime hizalamasıyla açıklanabilir bulgular üretir, şüpheli cümleler için farklı tohumlarla alternatif take önerir ve seçim geçmişini saklar.

VF-Q1 benchmark’ı XTTS-v2, Chatterbox Multilingual V3 ve VoxCPM2’yi RTX 4060 Laptop (8 GB VRAM) hedefinde aynı koşullarla karşılaştırır. Önceki XTTS-v2 reference-based üretim, voice profile yönetimi, FFmpeg ön işleme ve deneysel fine-tuning/değerlendirme akışları korunur.

Ana Sistemler

  • Studio Projects / Chapter Queue
  • Book Import / Chapter Workflows
  • Voice Playground (XTTS-v2 · Chatterbox V3 · VoxCPM2)
  • Shared GPU Engine Worker
  • Quality Director (ASR + Audio Checks)
  • Voice Takes / Selection History
  • VoxCPM2 Voice Design / Character Library
  • Prosody Controls / Scene Narration
  • Engine Benchmark (VF-Q1)
  • Reference-based TTS / Voice Profiles
  • Experimental XTTS Fine-tuning / Evaluation

Teknik Etiketler

  • Python
  • Gradio
  • VoxCPM2
  • Coqui XTTS-v2
  • Chatterbox V3
  • faster-whisper
  • FFmpeg
  • SQLite
  • CUDA

Girdi → İşleme → Çıktı

1

Girdi

Kitap metni, bölümler ve izinli referans sesler

2

İşleme

Bölüm ayrıştırma, motor seçimi, VoxCPM2/XTTS üretimi, ASR ve ses ölçümleriyle kalite denetimi, alternatif take üretimi

3

Çıktı

Seçili take’lerden birleştirilmiş bölüm WAV’ları ve açıklanabilir kalite raporları

Mimari Akış

  1. 01

    Book / Text Import

  2. 02

    Chapter & Scene Parsing

  3. 03

    Voice Profile / Voice Design

  4. 04

    Studio Queue

  5. 05

    Shared GPU Worker (VoxCPM2 · XTTS-v2)

  6. 06

    Quality Director (faster-whisper + audio checks)

  7. 07

    Alternative Takes / Selection

  8. 08

    Chapter WAV Export

Tasarım Kararları

  • Kalite denetimini üretimden ayırmak

    Quality Director bağımsız bir servistir; Playground ve Studio aynı sözleşmeyi kullanır, böylece motor değişse de denetim kuralları aynı kalır.

  • Tek GPU worker, sessiz CPU fallback yok

    Motorlar kendi izole ortamlarında kalıcı alt süreç olarak çalışır; aynı anda tek süreç 8 GB VRAM sınırına uyar ve GPU yoksa sessizce CPU’ya düşmek yerine açık hata verilir.

  • Take seçimini kullanıcıya bırakmak

    Otomatik denetim yalnız aday önerir; bölüm WAV’ı kullanıcının aktif seçtiği take’lerden kurulur ve önceki seçime geri dönülebilir.

  • Motor kararını ölçümle vermek

    Yeni motorlar önce VF-Q1 benchmark’ında tam koşu ve eksiksiz kanıtla karşılaştırıldı; hız ayrı değerlendirildi.

  • Local-first çalışma düzeni

    Ses kayıtları, profiller, projeler ve model önbellekleri kullanıcının makinesinde kalır; Git’e yalnız kaynak kod ve belgeler girer.

Etik / Kullanım Sınırları

  • VoxForge yalnızca kullanıcının kendi sesi, açık izinli referans sesler veya metinden tasarlanan sentetik seslerle çalışacak şekilde konumlandırılır.
  • İzinsiz ses taklidi, üçüncü kişilerin sesini çoğaltma veya public voice cloning servisi iddiası taşımaz.
  • Ses kayıtları, profiller, projeler, checkpointler ve çıktılar yerel çalışma düzeninin parçasıdır; ArtifactHub’da hiçbir ses örneği yayımlanmaz.
Public claim sınırı: Public voice cloning servisi değil; izinli veriyle yerel çalışan deneysel sesli kitap stüdyosu.

Sınırlar

  • VoxForge production-grade bir TTS servisi değildir; yerel bir stüdyo/deney ortamıdır.
  • VoxCPM2 akışı CUDA destekli GPU ister; hedef donanım 8 GB VRAM’li tek bir Windows dizüstüdür.
  • Quality Director bulguları açıklanabilir sezgilerdir; ses kalitesi garantisi değildir ve son karar dinleyerek verilir.
  • Emotion Lab (VF-022) ve ses editörü/export (VF-023) henüz uygulanmadı.
  • Fine-tuning değerlendirmeleri deneysel kabul edilir; küçük dataset ile kalite artışı sınırlı kaldı.

Planlanan Genişletmeler

  • VF-022 Emotion Lab: sahne ve karakter duygusu için kontrollü denemeler.
  • VF-023 ses editörü ve kitap düzeyinde export.

Bağlantılar

Aynı Serideki Artifactler

Pipeline Prototipi

PulseForge

Runtime özel şarkı import’u, FFmpeg dönüşümü ve C# Radial V2 analiz/planner hattını DSP ritim oynanışına bağlayan Unity sistem prototipi.

  • Unity
  • C#
  • FFmpeg
  • +3

Ses → FFmpeg / C# analiz / planner → Radial ritim oturumu

Artifact’i İncele
Etkileşimli CV Prototipi

VisionForge

Gerçek zamanlı kamera akışını yerel yüz tanıma, el takibi ve gesture tabanlı büyü komutlarıyla birleştiren local-first PySide6 masaüstü uygulaması.

  • Python
  • PySide6
  • OpenCV
  • +3

Kamera → latest-frame CV/doğrulama → gesture komutu ve masaüstü geri bildirimi

Artifact’i İncele