Anadil Ermenice TTS: Ermenicenin sesini dijital dünyaya taşımak

A

Anadil.org Ekibi

calendar_today7 September 2026

Bir dili yaşatan şey yalnızca kelimeleri değildir. O kelimelerin nasıl söylendiği, cümlenin nerede yükselip nerede alçaldığı, bir selamın nasıl verildiği, bir hikâyenin nasıl anlatıldığı da o dilin hafızasının parçasıdır. Bu yüzden bir dili dijital dünyaya taşımak, yalnızca onu yazılabilir hâle getirmekten ibaret değildir; sesini de korumak gerekir.

Anadil projesi olarak geliştirdiğimiz Anadil_Armenian_TTS, tam da bu düşünceden yola çıkan yeni bir çalışma. Hugging Face üzerinde açık kaynak olarak yayımlanan model, Ermenice metinleri sese dönüştürmek için geliştirildi. Model, openbmb/VoxCPM2 temel modeli üzerine LoRA yöntemiyle ince ayarlandı ve 26.008 tek konuşmacılı ses segmentiyle eğitildi. Böylece Anadil TTS ailesine Kurmancî, Adığece, Lazca, Zazaca ve Ladino'nun ardından Ermenice de katılmış oldu.

Burada önemli bir ayrımı özellikle belirtmek gerekiyor: Ermenice başlı başına tehlike altındaki bir dil değildir. Ermenistan'ın resmî dilidir ve dünya çapında milyonlarca insan tarafından konuşulur. Ancak Ermenicenin Batı Ermenicesi kolunun durumu farklıdır. Anadolu'da tarihsel olarak yaygın biçimde kullanılan Batı Ermenicesi bugün özellikle diaspora topluluklarında yaşamını sürdürüyor ve UNESCO'nun tehlike altındaki diller sınıflandırmasında “kesinlikle tehlikede” olarak yer alıyor. Buradaki temel mesele konuşan insanların varlığından çok, dilin yeni kuşaklara doğal biçimde aktarılmasının giderek zayıflaması.

İşte bu nedenle Ermenice için bir ses teknolojisi geliştirmek, bizim açımızdan yalnızca “bir TTS modeli daha üretmek” anlamına gelmiyor. Anadolu'nun yüzyıllar boyunca oluşmuş çok dilli hafızasında Ermenicenin de önemli bir yeri var. Bugün dijital dünyada bir dil için klavye, yazı tipi, OCR, konuşma tanıma veya ses sentezi gibi araçların bulunması, o dilin modern teknolojiler içinde görünür kalabilmesi açısından büyük önem taşıyor. Anadil'in amacı da tam olarak burada başlıyor: farklı dillerin dijital dünyada yalnızca metin olarak değil, konuşan ve duyulan diller olarak da var olabilmesine katkı sunmak.

Teknik tarafta model, VoxCPM2 + LoRA yaklaşımını kullanıyor. Eğitim 5.000 adımda gerçekleştirildi ve ortaya yaklaşık 70 MB büyüklüğünde, yaklaşık 18,1 milyon parametre içeren bir LoRA adaptörü çıktı. Model 16 kHz giriş ve 48 kHz çıkış örnekleme düzeniyle çalışıyor. MIT lisansı sayesinde araştırma, eğitim ve farklı dijital uygulamalarda kullanılabilecek açık bir temel sunuyor. Modelin Hugging Face sayfasında Python kullanımı, yerel Gradio arayüzü ve hızlı test araçları da bulunuyor.

Fakat bu çalışmanın sınırlarını da açıkça söylemek bizim için önemli. Bu model özellikle Batı Ermenicesi için eğitilmiş bir model değil. Eğitim verisi standart Ermeni alfabesiyle yazılmış genel Ermenice metinlerden oluşuyor ve Doğu Ermenicesi ile Batı Ermenicesi ayrımı veri setinde ayrıca etiketlenmiş değil. Dolayısıyla modelin ürettiği ses, tek bir konuşmacının kayıtlarından öğrenilmiş genel bir Ermenice telaffuz deneyimi sunuyor; bunu İstanbul Ermenicesinin veya başka bir Batı Ermenicesi ağızlarının doğrudan temsili olarak görmek doğru olmaz.

Aynı şekilde modelin henüz kusursuz olduğunu da iddia etmiyoruz. Şimdilik kalite değerlendirmesi ağırlıklı olarak gerçek kayıtlarla sentezlenmiş seslerin niteliksel karşılaştırmasına dayanıyor; WER veya MOS gibi kapsamlı nicel değerlendirmeler henüz yayımlanmış değil. Özellikle eğitim verisinde daha az karşılaşılan kelimelerde ve özel isimlerde telaffuz tutarsızlıkları görülebiliyor. Ayrıca model tek konuşmacılı olduğu için farklı konuşmacıların seslerini doğal biçimde üretmek üzere tasarlanmış bir çoklu konuşmacı sistemi değil.

Yine de bizim için asıl değer biraz başka yerde. Bir dilin dijital dünyadaki geleceği, her zaman ilk modelin ne kadar kusursuz olduğuyla başlamıyor. Bazen önce bir başlangıç noktası oluşturmak gerekiyor. Ardından yeni kayıtlar, daha iyi veri setleri, farklı konuşmacılar, lehçe etiketleri, insan değerlendirmeleri ve topluluk katkıları geliyor. Ermenice için bu model de böyle bir başlangıç olarak görülmeli: açık, geliştirilebilir ve eksiklerini saklamayan bir çalışma.

Anadil TTS ailesinin büyümesi de bu açıdan bizim için önemli. Kurmancî için 65.102, Adığece için 54.004, Ermenice için 26.008, Lazca için 21.071, Ladino için 2.283 ve Zazaca alpha modeli için yaklaşık 1.700 segmentlik çalışmalar artık aynı aile içinde yan yana duruyor. Dillerin veri miktarları ve modellerin olgunluk seviyeleri birbirinden farklı olsa da ortak fikir aynı: Anadolu'nun ve çevresinin çok dilli ses hafızasını açık kaynak teknolojilerle geleceğe taşımak.

Belki bugün bu modeli çalıştırdığınızda her cümle kusursuz çıkmayacak. Belki bazı kelimelerde yeniden denemek gerekecek, bazı telaffuzlar üzerinde daha çok çalışmak gerekecek. Ama bir metnin Ermenice yazılıp ardından bir makine tarafından Ermenice seslendirilebilmesi bile önemli bir eşik. Çünkü dijital dünyada görünür olmak, yalnızca bir dilin internette bulunması değil; o dilin konuşulmaya, duyulmaya ve yeni teknolojilerle kullanılmaya devam etmesi demek.

Anadil_Armenian_TTS bu yolun sonu değil. Tam tersine, daha iyi veri, daha fazla konuşmacı, Batı ve Doğu Ermenicesini ayrı ayrı ele alan çalışmalar ve topluluk katkıları için açık bir kapı. Biz de bu kapının mümkün olduğunca açık kalmasını istiyoruz.

Anadil_Armenian_TTS modelini Hugging Face'te inceleyin

İlgili Yazılar