VieNeu-TTS-v2 TTS
A Vietnamese-first, CPU-only model with en-vi code-switching, 7 regional preset voices, and zero-shot cloning.
Aplauzt savu tekstu SSML tagus precīzai kontrolei:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Tags izvēlētais modelis saprot — noklikšķiniet, lai iemestu vienu jūsu tekstā, kur tas notiek:
Šis modelis lasa vienkāršu tekstu, tāpēc tiek ignorēti inline tagi. Uz tag-based emocijas, pāriet uz izteiksmīgu modeli, piemēram, Orpheus vai Bark.
Definēt pielāgotu izrunas (vārds = izruna):
Par 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.
Labākais: Vietnamese content and bilingual en-vi narration
Pārlūkot visu VieNeu-TTS-v2 balsisĪsumā
- Izstrādātājs
- Phạm Nguyễn Ngọc Bảo
- Licence
- Apache 2.0
- Līmeņrādis
- standard
- Ātrums
- fast
- Balss klonēšana
- Jā
- Valodas
- Vietnamese, English
- Maks. rakstzīmes
- 1000