EMA Lightning

EMA Lightning

一个很小的土耳其语文字转语音模型，8.6M 参数，约 34 MB，可在 GPU 或 CPU 上离线运行，并能边生成边输出音频。适合需要土耳其语语音输出的开发者。

由 canberkkkkkk 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：EMA Lightning 是一个土耳其语文字转语音系统，由一个小的声学模型和一个小的声码器构成。两者合计 8.6M 参数，磁盘上约 34 MB。它可以在 GPU 或 CPU 上运行，不需要网络连接或 API 密钥，模型卡说你的文字和音频都留在你自己的电脑上。

适合谁：它适合需要在应用、通话系统、配音任务或批处理流水线里加入土耳其语语音的开发者。下载小、可离线使用，适合私密或低成本的环境。

Title: 谁在用
Industry | Who uses it | How they use it | Example
软件 | 应用开发者 | 给应用加入土耳其语语音输出 | 回复还在生成时就朗读出来
客户服务 | 通话系统开发者 | 从多个线程向来电者流式输出语音 | 向每位来电者播报订单状态
媒体 | 内容制作人员 | 批量生成配音文件 | 把一组台词变成带编号的音频文件

需要土耳其语以外语言的人可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 程序
• NVIDIA GPU，有专门的快速通道
• 只有 CPU 的机器
• 实时应用、电话和扬声器，使用流式输出

Title: 主要用途
Use case | Who | What they get back
配音文件 | 内容制作人员 | 每段文字对应一个 WAV 文件
批处理任务 | 开发者 | 每段文字对应一个语音结果，顺序一致
实时语音 | 应用开发者 | 边到达边播放的音频块

如何设置：

• 你电脑上的 Python
• 来自 Python 包索引的 ema-lightning 包
• 快速通道需要 NVIDIA GPU，不过 CPU 也能用

1. 安装这个包。
2. 创建一个 EMA 对象，并在整个程序里一直使用它。
3. 第一次运行会下载模型文件。

pip install ema-lightning

Hugging Face 的记录里还列出了直接下载文件的方式。

pip install -U huggingface_hub
hf download canberkkkkkk/ema-lightning

如何使用：用一个 EMA 对象有两种方式获得语音。say 调用在生成完成后返回完整音频，可以传一段文字或一个列表。stream 调用则一块一块地给出音频，每次调用只能传一段文字。

Title: 两个调用
Tool | What it does
say() | 返回完整音频，适合文件、配音和批处理任务
stream() | 边生成边返回音频，适合扬声器、通话和实时应用

from ema_lightning import EMA

tts = EMA()                                     # downloads ema.pt and decoder.pt, uses the GPU if there is one
speech = tts.say("Merhaba, size nasıl yardımcı olabilirim?", path="merhaba.wav")
print(speech.duration, speech.sample_rate)      # seconds of audio, 48000

给 say 传一个列表，这些文字会以共享批次的方式生成，音频片段保存到一个文件夹里。

speeches = tts.say(["Günaydın.", "Siparişiniz yola çıktı.", "İyi günler dileriz."], path="clips")

做流式输出时，把每个音频块在到达时写入音频输出。

import sounddevice as sd                        # pip install sounddevice

with sd.OutputStream(samplerate=48000, channels=1, dtype="float32") as speaker:
    for chunk in tts.stream("Merhaba! Bu ses siz dinlerken üretiliyor. İlk kelimeyi duyduğunuzda, "
                            "cümlenin geri kalanı çoktan hazır."):
        speaker.write(chunk)

在 NVIDIA GPU 上，模型卡提供了一条快速通道。

tts = EMA().lightning()

示例：你用一句土耳其语问候和一个文件名调用 say。你会得到一个 Speech 对象，里面有音频、48000 的采样率和以秒计的时长，同时生成一个 WAV 文件。音频是单声道的 float32 数组。

新手与专家：如果你是新手，用一句土耳其语运行第一段代码，再播放那个 WAV 文件。不需要再设置别的东西。

对于专家来说，流程是先按字母编码文本，把它放在单词和字母的时间线上，并为每一帧对齐一个条件。然后 DiT 分四步生成潜变量，声码器再把它们解码成 48 kHz 的音频。一个叫 Playhead 的调度器会把来自多个线程的工作放在 GPU 上一起运行。

按字母编码文本
时长预测器确定时间线
DiT 分四步生成潜变量
声码器输出 48 kHz 音频

注意事项：

• Language: 只支持土耳其语。
• Reported accuracy: 模型卡在自己的 Freya-TR-Eval 测试上给出 0.92% 的词错误率。
• Streaming: 第一个音频块是一秒钟的音频，在 GPU 上约 4 毫秒就绪。
• License: Apache 2.0。
• Cost to run: 不需要密钥或账号。在租用的 RTX 4090 上，模型卡给出的价格接近每百万字符 $0.0085。
• Data it reaches: 它在首次使用时下载模型文件，模型卡说没有任何文字或音频离开你的机器。
• Not for: 土耳其语以外的语言。

Title: 在 RTX 4090 上相对实时的速度
Single stream: 440 倍
With batching: 1316 倍

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 最近 30 天下载：89,173
• 点赞：461
• 许可证：apache-2.0
• 语言：tr
• Quantized versions: 8
• Fine-tunes: 3
• 标签：ema-lightning, text-to-speech, turkish, speech-synthesis, flow-matching

链接

• 模型：https://huggingface.co/canberkkkkkk/ema-lightning
• 文件：https://huggingface.co/canberkkkkkk/ema-lightning/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download canberkkkkkk/ema-lightning

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。