Deutsches Kokoro-82M (StyleTTS2) Fine-Tune auf hessischer Aussprache, basierend auf dem Thorsten-Voice Hessisch-Datensatz (2.106 Sätze, CC0). Trainiert als Fine-Tune vom Standard-Deutsch-Modell (Thorsten-Voice/Kokoro, Epoche 5) über 10 zusätzliche Epochen.

model_ep7.pth (Alias: model.pth) — im Hörvergleich gegenüber Epoche 5, 9 und 10 favorisiert, bei nahezu identischem Validation-Loss (0.291 vs. 0.290 bei Epoche 9/10). Alle 10 Epochen liegen im Repo, jeweils mit eigenem Voicepack, falls du selbst vergleichen möchtest.

inference.py ist eigenständig — es lädt Modell, Config und Voicepack automatisch von diesem Repo herunter, es sind keine lokalen Dateien oder ein Checkout des Trainings-Repos nötig.

Der zugrundeliegende Datensatz enthält standarddeutsche Texte, gesprochen in hessischer Aussprache. Das Modell wurde daher mit standarddeutscher G2P-Phonemisierung trainiert — das dialektale Klangbild kommt ausschließlich aus der Audioseite, nicht aus einer angepassten Phonetik-Transkription.