kikiri-de

Deutsches Sprachsynthesemodell auf der Kokoro-82M/StyleTTS-2-Architektur, von null auf Deutsch trainiert. Inferenzcode und Anleitung: github.com/ichDaheim/kikiri-german-inference.

kikiri say "Die sakrale Kirche steht mitten im Dorf." --voice Heinrich -o ausgabe.wav

Hörbeispiele

Stimmen Heinrich und Anna, erzeugt mit kikiri-de-inference 0.5.0 (Tag v3.0). Alle Beispiele sind KI-generiert und tragen das AudioSeal-Wasserzeichen.

Text	Heinrich	Anna
Wenn die Offenbacher angreifen werden die Brücken nach Drippdebach gesprengt.
Bei einem verbalen Streit holt der Bayer irgendwann zum atomaren Erstschlag aus und beschimpft sein Gegenüber als 'Saupreus'
Donald Trump ist der aktuelle Präsident der USA.
Pippi Langstrumpf macht sich die Welt wie sie ihr gefällt.
Das Wetter wird morgen echt scheiß ätzend!
Was willst du eigentlich von mir? Geh mir nicht auf den Sack!
Sobald ich denke, dass es nicht dümmer geht, kommt irgendein Honk und setzt noch einen drauf. Einstein hatte also mit seiner Aussage recht: Zwei Dinge sind unendlich, das Universum und die menschliche Dummheit, aber bei dem Universum bin ich mir noch nicht ganz sicher.

Dateien

Datei	Inhalt
config.json	Architektur, vocab_sha256 der mideki-Token-Tabelle
model.safetensors	Gewichte ohne Style-Encoder (neue Stimmen lassen sich damit nicht erzeugen)
info.json	Herkunft des Exports, u. a. source_model_sha256
voices/*.safetensors	Stimmen, je ein Style-Vektor [256], gebunden an diesen Export

Versionen

Jede Veröffentlichung bekommt einen Tag. Der Inferenzcode lädt immer einen festen Tag, daher werden Tags nie verschoben oder gelöscht.

Tag	Inhalt	Code
v3.0	Export epoch_0006 (Schritt 220.401), Stimmen Heinrich und Anna	kikiri-de-inference 0.5.0 (mideki 1.2.0), 0.6.0 (mideki 1.4.0)
v2.0	Export epoch_0004 (Schritt 120.120), Stimme Heinrich	kikiri-de-inference 0.3.0 (mideki 1.0.0), 0.4.0 (mideki 1.1.0)

Neue Stimmen für denselben Export erhöhen die Minor-Version (z. B. v3.1), ein neuer Modell-Export die Major-Version (v4.0). Stimmen eines anderen Exports lehnt der Code ab.

Kennzeichnung als KI-Audio

Der vorgesehene Weg, dieses Modell zu nutzen, ist der Inferenzcode kikiri-german-inference. Er versieht alle erzeugte Sprache mit einem unhörbaren AudioSeal-Wasserzeichen und kennzeichnet WAV-Dateien in den Metadaten als KI-generiert (EU-KI-Verordnung, Art. 50 Abs. 2). kikiri detect datei.wav prüft das Wasserzeichen.

• Wer die Gewichte mit anderem Code nutzt, ist selbst dafür verantwortlich, die Ausgabe maschinenlesbar als KI-generiert zu kennzeichnen. Bitte entferne oder umgehe das Wasserzeichen nicht.
• Wer erzeugte Sprache veröffentlicht, muss sie als KI-generiert kennzeichnen, besonders wenn sie eine echte Person oder ein echtes Ereignis nachahmt (Art. 50 Abs. 4).
• Bitte nutze das Modell nicht, um Menschen zu täuschen, sich als jemand anderes auszugeben oder Desinformation zu verbreiten.

Herkunft

Trainiert auf dem HUI-Audio-Corpus-German und mit Qwen-TTS erzeugten Daten. Enthält PL-BERT-de-Gewichte, die beim Training feinabgestimmt wurden. Fremdcode und Lizenzen: NOTICE im GitHub-Repository.