标签:

• 文本转语音
• 越南语
• AI模型
• 深度学习 许可协议: cc-by-nc-sa-4.0 库名称: pytorch 数据集:
• VLSP2021
• VLSP2022
• VLSP2023
• vietTTS 模型名称: F5-TTS-Vietnamese-150h 语言: vi

🛑 重要提示 ⚠️

本模型仅限研究用途。
访问请求必须使用机构、学术或企业邮箱提交。来自公共邮箱提供商的请求将被拒绝。感谢您的理解。

🎙️ F5-TTS-Vietnamese-150h

基于F5-TTS微调的紧凑版本，训练数据为150小时的越南语语音。

🔗 更多微调实验请访问: https://github.com/nguyenthienhy/F5-TTS-Vietnamese。

📜 许可协议: CC-BY-NC-SA-4.0 — 仅限非商业研究用途。

📌 模型详情

• 数据集: VLSP 2021、VLSP 2022、VLSP 2023、VietTTS、TeacherDinh-UEH及部分YouTube频道语音资源
• 总数据时长: 150小时
• 数据处理技术:
  • 使用facebook demucs模型去除所有音频背景音乐: https://github.com/facebookresearch/demucs
  • 不使用短于1秒或长于30秒的音频文件
  • 保留默认标点符号不变
  • 统一转换为小写格式
• 训练配置:
  • 基础模型: F5-TTS_Base
  • GPU: RTX 3090
  • 批处理大小: 3200帧
• 训练进度: 在50万步时停止

🛑 更新说明

感谢胡志明市经济大学（UEH）的Định老师为我提供了额外50小时的高质量标注数据集。

他的联系方式: https://www.facebook.com/luudinhit93

📝 使用方法

加载和使用模型的示例如下:

git clone https://github.com/nguyenthienhy/F5-TTS-Vietnamese
cd F5-TTS-Vietnamese
python -m pip install -e.
f5-tts_infer-cli \
--model "F5TTS_Base" \
--ref_audio ref.wav \
--ref_text "cả hai bên hãy cố gắng hiểu cho nhau" \
--gen_text "mình muốn ra nước ngoài để tiếp xúc nhiều công ty lớn, sau đó mang những gì học được về việt nam giúp xây dựng các công trình tốt hơn" \
--speed 1.0 \
--vocoder_name vocos \
--vocab_file data/your_training_dataset/vocab.txt \
--ckpt_file ckpts/your_training_dataset/model_500000.pt