par JayLL13
Open source · 523 downloads · 18 likes
VoxCPM 1.5 VN est un modèle de synthèse vocale (TTS) spécialisé dans la génération de voix en vietnamien à partir de texte. Entraîné sur un jeu de données de 1000 heures, il produit des voix naturelles et fluides avec une qualité audio élevée (44,1 kHz). Ce modèle s’adresse aux développeurs, chercheurs et entreprises souhaitant intégrer une solution TTS performante pour le vietnamien dans leurs applications. Il se distingue par sa précision linguistique et sa capacité à restituer des nuances tonales propres à la langue. Son utilisation doit respecter des règles éthiques strictes, notamment en matière de transparence sur l’origine artificielle des contenus générés.
Checkpoint TTS đã được training với dataset 1000h tiếng Việt: JayLL13/vivoice-relabeled
Audio sample rate: 44.1 kHz.
Checkpoint at itter 100 000.
Device: NVIDIA RTX5090
[!NOTE] Try the demo: VoxCPM-VN-Demo
Follow the original guide here
Setup:
git clone https://github.com/OpenBMB/VoxCPM.git
cd VoxCPM
# recommended to use a virtual environment
pip install voxcpm
# for voice cloning, I have to install torchcodec.
pip install torchcodec==0.9
[!WARNING] Make sure torchcodec compatible with Pytoch & Python. You can check compatibility here
Download my checkpoint, I recommended using some lines of Python code:
from huggingface_hub import snapshot_download
snapshot_download("JayLL13/VoxCPM-1.5-VN", local_dir="./pretrained/VoxCPM-1.5-VN")
Inferences with the checkpoints:
python scripts/test_voxcpm_ft_infer.py \
--ckpt_dir ./pretrained/VoxCPM-1.5-VN \
--text "This is voice cloning with LoRA." \
--prompt_audio /path/to/reference.wav \
--prompt_text "Reference audio transcript" \
--output cloned_output.wav
Mô hình Text-to-Speech (TTS) này được cung cấp chỉ cho mục đích nghiên cứu, thử nghiệm và phát triển công nghệ. Mọi nội dung âm thanh do mô hình tạo ra không đại diện cho giọng nói, danh tính, quan điểm hoặc sự chấp thuận của bất kỳ cá nhân hay tổ chức có thật nào. Tác giả và các bên liên quan không chịu trách nhiệm đối với bất kỳ hành vi sử dụng sai mục đích, vi phạm pháp luật, xâm phạm quyền riêng tư, quyền nhân thân, quyền sở hữu trí tuệ, hoặc gây thiệt hại trực tiếp hay gián tiếp phát sinh từ việc sử dụng mô hình này.
Người dùng có toàn quyền và toàn bộ trách nhiệm pháp lý đối với việc triển khai, phân phối và sử dụng mô hình. Nghiêm cấm sử dụng mô hình cho các hành vi mạo danh, sao chép giọng nói cá nhân khi chưa có sự đồng ý hợp pháp, tạo nội dung gây hiểu lầm, lừa đảo, thao túng dư luận hoặc bất kỳ mục đích nào trái với quy định pháp luật hiện hành. Khi sử dụng hoặc chia sẻ âm thanh được tạo ra, khuyến cáo bắt buộc phải công bố rõ ràng rằng nội dung là âm thanh do AI tạo sinh và tuân thủ đầy đủ các quy định pháp lý, chính sách nền tảng và chuẩn mực đạo đức liên quan.