MIO-TTS-V3

MIO TTS V3 — Stand 2026

Deutsch

MIO TTS V3 ist eine deutsche Piper/VITS-Stimme im ONNX-Format.

Diese Version basiert auf dem Trainingsstand nach 1.350 vollständig abgeschlossenen Epochen.

• Checkpoint: epoch=1349-step=766800.ckpt
• Format: ONNX
• Sprache: Deutsch
• Basis: Piper / VITS

Status

MIO TTS V3 gilt für mich derzeit als der abgeschlossene Stand 2026.

Die Stimme hat inzwischen einen sehr guten Stand erreicht:

• klare und stabile Aussprache
• natürliche und saubere Prosodie
• gute Betonung längerer Sätze
• konstante Stimmqualität
• geringe Latenz
• sehr niedriger Ressourcenbedarf

Weitere Trainingsläufe wären technisch möglich. Der dafür notwendige Aufwand steht nach meiner Einschätzung aktuell jedoch nicht mehr in einem sinnvollen Verhältnis zum erwartbaren Qualitätsgewinn.

Zusätzliche 12 bis 24 Stunden Rechenzeit würden voraussichtlich nur noch sehr kleine Verbesserungen bringen und könnten gleichzeitig bereits gut funktionierende Eigenschaften wieder verschlechtern.

Deshalb wird das Modell an diesem Punkt nicht weitertrainiert.

Pausen und Audiobearbeitung

Kürzere Pausen bei Aufzählungen oder Kommata sind kein grundlegendes Problem des trainierten Stimmenmodells.

Solche Anpassungen können gezielter außerhalb des Modells erfolgen:

• Pausensteuerung durch Textvorverarbeitung
• Lautheitsanpassung nach der Synthese
• Normalisierung der fertigen Audiodatei
• optionale weitere Audiobearbeitung

Das eigentliche Stimmenmodell bleibt dadurch unverändert und stabil.

Dateien

• mio_tts_v3.onnx
• mio_tts_v3.onnx.json
• mio_tts_v3_demo.wav

Rückmeldungen

Kommentare, Tests, Hinweise und konstruktive Kritik sind ausdrücklich willkommen.

Besonders interessant sind Rückmeldungen zu:

• Aussprache
• Prosodie
• Satzmelodie
• Stabilität bei längeren Texten
• ungewöhnlichen Wörtern oder Satzzeichen
• praktischer Nutzung in lokalen TTS-Systemen

---

MIO TTS V3 — 2026 Release

English

MIO TTS V3 is a German Piper/VITS voice distributed in ONNX format.

This release is based on the training state after 1,350 fully completed epochs.

• Checkpoint: epoch=1349-step=766800.ckpt
• Format: ONNX
• Language: German
• Architecture: Piper / VITS

Status

MIO TTS V3 is currently considered the completed 2026 release.

The voice has reached a very good level:

• clear and stable pronunciation
• clean and natural prosody
• good emphasis across longer sentences
• consistent voice quality
• low latency
• very low resource usage

Further training would still be technically possible. However, the required computing time is no longer expected to provide a meaningful improvement in relation to the effort involved.

Another 12 to 24 hours of training would most likely result in only very small gains and could also negatively affect characteristics that already work well.

For this reason, the model will not be trained further at this stage.

Pauses and audio processing

Short pauses around commas or enumerations are not considered a fundamental limitation of the trained voice model.

These details can be handled more effectively outside the model:

• pause control through text preprocessing
• loudness adjustment after synthesis
• normalization of the rendered audio
• optional additional audio post-processing

This keeps the underlying voice model unchanged and stable.

Files

• mio_tts_v3.onnx
• mio_tts_v3.onnx.json
• mio_tts_v3_demo.wav

Feedback

Comments, tests, suggestions and constructive criticism are very welcome.

Feedback is especially useful regarding:

• pronunciation
• prosody
• sentence melody
• stability across longer texts
• unusual words or punctuation
• practical use in local TTS systems