erax-ai/EraX-Smile-UnixSex-F5
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...
🎙️ EraX-Smile-UnixSex-F5: F5-TTS với giọng nói đa dạng cho tiếng Việt
Mô hình TTS hỗ trợ sao chép giọng nói zero-shot, được tinh chỉnh trên hơn 2,7 triệu mẫu tiếng Việt.
EraX-Smile-UnixSex-F5 là một mô hình chuyển đổi văn bản thành giọng nói (text-to-speech) dựa trên kiến trúc F5-TTS (arXiv:2410.06885). Nhóm phát triển đã tinh chỉnh mô hình bằng hơn 2,7 triệu mẫu dữ liệu tiếng Việt, bao gồm cả một bộ dữ liệu riêng tư lớn hơn 1000 giờ. Mô hình hỗ trợ cả giọng nam và nữ, đồng thời cung cấp tính năng sao chép giọng nói zero-shot trực tuyến.
✨ Điểm nổi bật
- Tinh chỉnh trên dữ liệu tiếng Việt lớn: Sử dụng hơn 2,7 triệu mẫu, bao gồm 1000 giờ dữ liệu riêng tư.
- Hỗ trợ giọng đa dạng: Bao phủ cả giọng nam và nữ trong một mô hình thống nhất.
- Sao chép giọng nói zero-shot: Cho phép tạo giọng nói từ một đoạn tham chiếu ngắn.
- Mã nguồn mở: Toàn bộ mã nguồn được công bố tại GitHub của EraX-AI.
- Bốn phiên bản mô hình: Bao gồm model_42000, model_45000, model_48000 và overfit.safetensors.
- Giấy phép sử dụng: Mô hình được phân phối dưới giấy phép CC BY-NC 4.0 (không thương mại).
💡 Vì sao đáng chú ý
EraX-Smile-UnixSex-F5 khác biệt từ các mô hình TTS tiếng Việt khác nhờ quy mô dữ liệu huấn luyện lớn và khả năng hỗ trợ đa giới tính giọng nói trong một mô hình duy nhất. Điều này giúp giảm đáng kể chi phí triển dụng cho các ứng dụng cần cả giọng nam và nữ. Tính năng sao chép giọng nói zero-shot trực tuyến cũng mở ra khả năng ứng dụng linh hoạt trong các dự án đa dạng như đọc tin, giảng dạy, hoặc sáng tạo nội dung.
#TTS #Vietnamese #F5TTS #VoiceCloning #OpenSource #TiniX
Similar Projects
Discover other similar projects and AI models.
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...
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...
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...