VieNeu-TTS-v2 ТТС
A Vietnamese-first, CPU-only model with en-vi code-switching, 7 regional preset voices, and zero-shot cloning.
Текстти SSML тегдерине өткөрүп берүү:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Белгилер, тандалган модель түшүнөт — текстке бирин коюу үчүн, аны чыкылдатыңыз:
Бул модель жөнөкөй текстти окуйт, ошондуктан тексттеги тегдер эске алынбайт. Тегдер менен эмоцияларды жаратууда Orpheus же Bark сыяктуу экспрессивдүү моделдерге өтүү керек.
Өзгөчө сүйлөмдөрдү аныктоо (сөз = сүйлөм):
Маалымат VieNeu-TTS-v2
VieNeu-TTS-v2 is a 300M-parameter Vietnamese-first model built on a Qwen3 backbone and trained on more than 10,000 hours of bilingual data. It handles seamless English-Vietnamese code-switching, ships 7 preset voices spanning Northern and Southern accents, and clones a voice instantly from just 3-5 seconds of reference audio. Notably it runs entirely on CPU — using GGUF Q4 inference plus an ONNX audio decoder — with no GPU required, finishing a generation in about 7 seconds. It's purpose-built for Vietnamese content and bilingual en-vi narration, an underserved niche in open TTS.
Эң жакшысы: Vietnamese content and bilingual en-vi narration
Баарын кароо VieNeu-TTS-v2 үнБир көз салуу
- Жазуучу
- Phạm Nguyễn Ngọc Bảo
- Лицензия
- Apache 2.0
- Тигр
- standard
- Жылдамдыгы
- fast
- Сөздү клондоо
- Ооба
- Тилдер
- Vietnamese, English
- Макс. символдор
- 1000