Omv5

--- license: apache-2.0 language: - vi - en base_model: - k2-fsa/OmniVoice pipeline_tag: text-to-speech --- # KhanhTTS 🗣️🔥 **KhanhTTS** là mô hình Text-to-Speech (TTS) dựa trên **OmniVoice**, được fine-tune để tổng hợp giọng nói **tiếng Việt và tiếng Anh**, hỗ trợ **voice cloning**. ## 🧠 Thông tin huấn luyện - **Base model**: k2-fsa/OmniVoice - **Dataset**: ~1500 giờ audio tiếng **Việt + Anh** - **Steps**: ~500.000 - **Mục tiêu**: - Phát âm tiếng Việt + Anh tự nhiên - Voice cloning ổn định với reference ngắn --- ## ☕ Ủng hộ dự án này Việc huấn luyện các mô hình TTS chất lượng cao đòi hỏi tài nguyên GPU đáng kể. Nếu bạn thấy mô hình này hữu ích, vui lòng xem xét hỗ trợ quá trình phát triển: [](https://buymeacoffee.com/khanh20017n) <img src="https://huggingface.co/kjanh/ViVoxCPM-1.5/resolve/main/asserts/aa8d6020dd54530a0a45.jpg" width="100"/> Mọi sự ủng hộ của các bạn là niềm động lực giúp mình phát triển các mô hình tốt hơn trong tương lai ❤️ --- ## 🦜 Sample **Reference Voice (Speaker Example):** <audio controls src="https://huggingface.co/kjanh/ViVoxCPM-1.5/resolve/main/asserts/ref_voice.wav"></audio> **Input Text:** > Đêm đó, anh xoá số cô khỏi danh bạ. > Nhưng khi màn hình tối đi, anh vẫn nhớ rất rõ… số ấy nằm ở đâu trong tim mình. > > Ngoài cửa sổ, gió thổi khẽ. > Có những thứ đã rời đi rồi, > nhưng cảm giác thì ở lại lâu hơn ta tưởng. **Generated Output (Cloned Voice):** <audio controls src="https://huggingface.co/kjanh/ViVoxCPM-1.5/resolve/main/asserts/demo_clone .wav"></audio> ## 🚀 Cài đặt & chạy inference ### 1. Cài đặt môi trường ```bash pip install omnivoice ``` ### 2. Load model & Inference ```python from omnivoice import OmniVoice import soundfile as sf import torch # Load the model model = OmniVoice.from_pretrained( "kjanh/KhanhTTS-OmniVoice", device_map="cuda:0", dtype=torch.float16 ) ``` ```python audio = model.generate( text="Xin chào các bạn.", # ref_audio="refvoice.wav", # ref_text="có người từng nói với cô, đó là hơi thở của mùa đông, hơi thở của đất trời, hơi thở của tình yêu.", ) # audio is a list of `np.ndarray` with shape (T,) at 24 kHz. sf.write("out.wav", audio[0], 24000) ``` ## ⚠️ Miễn trừ trách nhiệm & Khuyến cáo sử dụng (TTS) Mô hình Text-to-Speech (TTS) này được cung cấp chỉ nhằm phục vụ...

Source context: 3 downloads · 0 likes · Pipeline text-to-speech · Repo meandyou200175/omv5