erax-ai/EraX-Smile-Female-F5-V1.0
EraX-Smile-Female-F5-V1.0: Giving F5-TTS a Vietnamese Twist (with Online Zero-Shot Voice Cloning!) ✨ Hey there, fellow Vietnamese AI explorers! 👋 This model is built upon the fantastic F5-TTS architecture (arXiv:2410.06885). To teach it the beautif...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🔊 EraX-Smile-Female-F5-V1.0: F5-TTS với thu âm tiếng Việt chân thực
Mô hình TTS dựa trên F5-TTS, được tinh chỉnh bằng hơn 800.000 mẫu tiếng Việt, hỗ trợ sao chép giọng nói zero-shot.
EraX-Smile-Female-F5-V1.0 là dự án tinh chỉnh mô hình F5-TTS (arXiv:2410.06885) nhằm hỗ trợ tiếng Việt. Đội nhóm sử dụng hơn 800.000 mẫu bao gồm dữ liệu công cộng và 500 giờ dữ liệu riêng để huấn luyện mô hình nhận diện và tái tạo giọng nói tiếng Việt một cách tự nhiên.
✨ Điểm nổi bật
- Tinh chỉnh F5-TTS: Dựa trên kiến trúc F5-TTS mạnh mẽ, được tối ưu cho TTS.
- Hỗ trợ tiếng Việt: Được huấn luyện bởi hơn 800.000 mẫu tiếng Việt, bao gồm cả dữ liệu riêng tư lớn.
- Sao chép giọng nói zero-shot: Hỗ trợ tạo giọng nói theo mẫu tham chiếu mà không cần huấn luyện lại.
- Đang tiếp tục phát triển: Hiện đã hoàn thành 420.000 bước cập nhật, đang hướng tới mục tiêu 1 triệu bước.
- Giới hạn bản quyền: Mô hình dựa trên bộ dữ liệu Emilia (giấy phép BY-NC 4.0), không dùng cho mục đích thương mại.
- Mẫu âm thanh thực tế: Cung cấp các ví dụ nghe thử từ văn bản tiếng Việt thực tế.
- Mã nguồn mở: Cung cấp mã nguồn và hướng dẫn sử dụng trên GitHub.
💡 Vì sao đáng chú ý
EraX-Smile-Female-F5-V1.0 khác biệt nhờ việc kết hợp F5-TTS với lượng dữ liệu tiếng Việt lớn, giúp mô hình hiểu sâu ngữ cảnh và giọng nói của tiếng Việt. Đặc biệt, tính năng sao chép giọng nói zero-shot cho phép người dùng tạo ra giọng nói tùy chỉnh chỉ với một đoạn tham chiếu ngắn, rất tiện cho ứng dụng đa dạng hóa nội dung.
#AI #TextToSpeech #Vietnamese #VoiceCloning #F5TTS #TiniX
Similar Projects
Discover other similar projects and AI models.
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
VoxCPM2 VoxCPM2 is a tokenizer-free, diffusion autoregressive Text-to-Speech model — 2B parameters, 30 languages, 48kHz audio output, trained on over 2 million hours of multilingual speech data. !GitHub(https://img.shields.io/badge/GitHub-VoxCPM-blu...
EraX-Smile-UnixSex-F5: Giving F5-TTS a Unisex Vietnamese Twist (with Online Zero-Shot Voice Cloning!) ✨ Hey there, fellow Vietnamese AI explorers! 👋 This model is built upon the fantastic F5-TTS architecture (arXiv:2410.06885). To teach it the beau...
Kokoro is an open-weight TTS model with 82 million parameters. Despite its lightweight architecture, it delivers comparable quality to larger models while being significantly faster and more cost-efficient. With Apache-licensed weights, Kokoro can be...
Chatterbox TTS Made with ❤️ by Latest Release: Chatterbox Multilingual V3 Chatterbox Multilingual V3 is the latest general-purpose multilingual TTS model in the Chatterbox family. It keeps the same 0.5B model size while improving speaker similarity,...
ⓍTTS ⓍTTS is a Voice generation model that lets you clone voices into different languages by using just a quick 6-second audio clip. There is no need for an excessive amount of training data that spans countless hours. This is the same or similar mo...
Dia is a 1.6B parameter text to speech model created by Nari Labs. It was pushed to the Hub using the PytorchModelHubMixin(https://huggingface.co/docs/huggingfacehub/packagereference/mixinshuggingfacehub.PyTorchModelHubMixin) integration. Dia direct...
VibeVoice: A Frontier Open-Source Text-to-Speech Model VibeVoice is a novel framework designed for generating expressive, long-form, multi-speaker conversational audio, such as podcasts, from text. It addresses significant challenges in traditional...
Qwen3-TTS Overview Introduction Qwen3-TTS covers 10 major languages (Chinese, English, Japanese, Korean, German, French, Russian, Portuguese, Spanish, and Italian) as well as multiple dialectal voice profiles to meet global application needs. In add...