EMA Lightning es un modelo de síntesis de voz para el idioma turco que destaca por su eficiencia y velocidad. Con un total de 8,6 millones de parámetros (5,6 millones en el modelo acústico DiT y 3 millones en el codificador), ocupa aproximadamente 34 MB y se distribuye bajo la licencia Apache 2.0. El sistema ofrece la precisión más alta en la métrica Freya-TR-Eval, con una tasa de error de palabra (WER) del 0,92%, superando a sistemas comerciales como ElevenLabs v4 y Gemini 3.8.
En términos de rendimiento, el modelo genera el primer fragmento de audio en 3,86 milisegundos y alcanza una aceleración de 440 veces respecto al tiempo real en una GPU RTX 4090, mejorando a 1.316 veces con técnicas de agrupamiento. El costo estimado es de 0,0085 dólares por millón de caracteres en hardware de alquiler. La herramienta opera de forma completamente offline, sin necesidad de claves API, y soporta ejecución en CPU o GPU. Su arquitectura incluye un planificador interno llamado Playhead, que permite a un solo modelo servir a múltiples hilos simultáneamente, optimizando el uso de la GPU mediante la ejecución de lotes de texto en paralelo.
El proyecto incluye un frontend de texto normalizado por Erdem Tuna y permite la instalación vía pip. Los usuarios pueden generar audio completo con la función say() o escuchar el flujo en tiempo real con stream(). Los benchmarks comparan EMA Lightning con otros modelos de TTS, destacando su superioridad en velocidad y precisión para textos turcos, manteniendo una latencia de generación muy baja y un consumo de memoria razonable.