Archa-TTS-0.5B-th

โมเดลแปลงข้อความภาษาไทยเป็นเสียงพูด (Text-to-Speech) พัฒนาบน Qwen2.5-0.5B ด้วยการ fine-tune แบบ LoRA ร่วมกับ SNAC audio codec ที่ sample rate 24kHz

พัฒนาโดย ปรกณ์ อาชาคีรี TU ACM SIGHPC Student Chapter | สนับสนุนโดย Thai SC

---

GitHub

https://github.com/YangNobody12/Archa-TTS-0.5B-th

---

Overview

โมเดลจะสร้างลำดับ audio tokens จากข้อความภาษาไทย แล้วถอดรหัสเป็นคลื่นเสียงผ่าน SNAC neural audio codec

⚠️ โมเดลนี้รองรับเฉพาะภาษาไทยเท่านั้น ⚠️ รองรับการสร้างเสียงแบบ Realtime

---

Model Details

รายการ	ค่า
โมเดลพื้นฐาน	Qwen/Qwen2.5-0.5B
สถาปัตยกรรม	Qwen2ForCausalLM
พารามิเตอร์	~0.5B
Audio codec	SNAC 24kHz
ความแม่นยำ	bfloat16 / float16
ขนาด Vocab	180,500
Context สูงสุด	32,768 tokens

---

Requirements

pip install torch transformers peft snac soundfile sounddevice noisereduce scipy numpy

• Python 3.8 ขึ้นไป
• แนะนำให้ใช้ GPU ที่รองรับ CUDA
• สามารถรัน CPU ได้ แต่จะช้ามาก
• ต้องมี LoRA adapter weights ในโฟลเดอร์:

Pakorn2112/Archa-TTS-0.5B-th

---

Usage

Streaming Mode (Realtime)

from inference import generate_audio

generate_audio(
    "สวัสดีครับ วันนี้อากาศดีมากเลยนะครับ",
    mode="streaming"
)

---

Full Mode

from inference import generate_audio

generate_audio(
    "สวัสดีครับ วันนี้อากาศดีมากเลยนะครับ",
    mode="full"
)

---

CLI

python inference.py

ระบบจะ

• รันตัวอย่าง streaming
• บันทึกไฟล์ output_realtime.wav

---

How It Works

1. ข้อความภาษาไทยถูก tokenize

2. เพิ่ม control tokens พิเศษ

   • start_of_human
   • start_of_speech

3. โมเดล Qwen2.5 + LoRA สร้าง audio tokens แบบ autoregressive

4. ถอดรหัส audio tokens ทีละ 7 ตัว (1 SNAC frame)

5. SNAC decoder สร้างคลื่นเสียง 24kHz

6. ทำ noise reduction เป็นขั้นตอนสุดท้าย

---

Modes

Streaming Mode

• สร้างเสียงแบบ realtime
• buffer ~100 frames ก่อนเริ่มเล่น
• stream ทีละ ~20 frames
• ใช้ context overlap เพื่อให้เสียงต่อเนื่อง

---

Full Mode

• สร้าง tokens ทั้งหมดก่อน
• ถอดรหัสและเล่นเสียงทีเดียว

---

Output

• WAV format
• Sample rate 24kHz
• รองรับ resample อัตโนมัติ หาก hardware ไม่รองรับ

---

License

MIT License

---

Important Notes

⚠️ โมเดลถูกฝึกจาก third-party datasets กรุณาตรวจสอบ license ของ dataset ก่อนใช้งานเชิงพาณิชย์

⚠️ กรุณาอ้างอิง license ของ

• Qwen2.5
• SNAC

ก่อนนำไปใช้งาน

---

Author

Pakorn Archakeeree TU ACM SIGHPC Student Chapter Supported by Thai SC

---

Citation

@software{archa_tts_0_5b_th,
  author = {Pakorn Archakeeree},
  title = {Archa-TTS-0.5B-th},
  year = {2026},
  url = {https://github.com/YangNobody12/Archa-TTS-0.5B-th}
}