splendor1811/omnivoice-vietnamese
OmniVoice Vietnamese — Fine-tuned for Vietnamese Speech Synthesis Fine-tuned version of OmniVoice(https://huggingface.co/k2-fsa/OmniVoice) on 1,000 hours of high-quality Vietnamese speech data, optimized for Vietnamese voice cloning and text-to-spee...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🗣️ OmniVoice tiếng Việt — TTS zero-shot mạnh từ 1000 giờ dữ liệu
Fine-tune OmniVoice gốc trên 1000 giờ dữ liệu âm thanh tiếng Việt chất lượng cao, tối ưu cho sao chép giọng nói và sinh đường nói.
OmniVoice Vietnamese là phiên bản được fine-tune từ mô hình gốc k2-fsa/OmniVoice, sử dụng kiến trúc Diffusion Language Model (Qwen3-0.6B backbone) trên bộ dữ liệu dolly-vn/dolly-audio-1000h-vietnamese. Mô hình hỗ trợ sinh âm thanh tiếng Việt tự nhiên, đa giọng nói và zero-shot.
✨ Điểm nổi bật
- Fine-tune 1000 giờ âm thanh: Huấn luyện trên 664.125 mẫu tiếng Việt từ 152 diễn giả đa vùng miền.
- Kiến trúc Diffusion Language Model: Non-autoregressive, giải mã bằng masked decoding lặp đi lặp lại.
- Zero-shot & voice cloning: Hỗ trợ sao chép giọng nói và sinh âm thanh mà không cần huấn luyện lại.
- Tốc độ huấn luyện nhanh: Chỉ 6 giờ trên 1 GPU NVIDIA H200 SXM (141 GB VRAM).
- Chất lượng âm thanh cao: Tần số mẫu 24.000 Hz, dữ liệu đã được làm sạch và cắt cận để tối ưu chất lượng.
- Hỗ trợ đa miền: Dữ liệu bao phủ giọng nói miền Bắc, Trung, Nam.
- Hạn lớp ngôn ngữ mở rộng: Hỗ trợ hơn 100 ngôn ngữ và giọng nói khác nhau.
💡 Vì sao đáng chú ý
Không chỉ là một mô hình TTS tiêu chuẩn, OmniVoice Vietnamese kết hợp sức mạnh của Diffusion Language Model với lượng dữ liệu âm thanh tiếng Việt lớn nhất hiện có. Điều này giúp mô hình sinh ra giọng nói tự nhiên, giảm thiểu lỗi phát âm và hỗ trợ tốt cho ứng dụng sao chép giọng nói zero-shot. Phù hợp cho các dự án ứng dụng thực tế như trợ lý ảo, hệ thống đọc tin, hoặc nội dung giáo dục.
#TextToSpeech #VoiceCloning #OmniVoice #VietnameseAI #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
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...
OmniVoice-bf16 🌍 BF16 quantized version of k2-fsa/OmniVoice(https://huggingface.co/k2-fsa/OmniVoice). !Screenshot 2026-04-02 203949(https://cdn-uploads.huggingface.co/production/uploads/63473b59e5c0717e6737b872/iCeCjyFAAl7qFPRpvCiTb.png) Original M...
لهجتنا — Arabic Dialect Text-to-Speech Model Model Summary لهجتنا is an open Arabic Text-to-Speech (TTS) model designed to generate natural-sounding speech across Arabic dialects. The goal of لهجتنا is to create a unified speech model capable of rep...
GlotLID !GlotLID(https://img.shields.io/badge/🤗-Open%20In%20Spaces-blue.svg)(https://huggingface.co/spaces/cis-lmu/glotlid-space) Description GlotLID is a Fasttext language identification (LID) model that supports more than 2000 labels. Latest: Glo...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
mmBERT: A Modern Multilingual Encoder !License: MIT(https://img.shields.io/badge/License-MIT-yellow.svg)(https://opensource.org/licenses/MIT) !Paper(https://img.shields.io/badge/Paper-Arxiv-red)(https://arxiv.org/abs/2509.06888) !Model(https://img.s...
NLLB-200 This is the model card of NLLB-200's distilled 600M variant. Here are the metrics(https://tinyurl.com/nllb200densedst600mmetrics) for that particular checkpoint. - Information about training algorithms, parameters, fairness constraints or o...
NLLB-200 This is the model card of NLLB-200's 3.3B variant. Here are the metrics(https://tinyurl.com/nllb200dense3bmetrics) for that particular checkpoint. - Information about training algorithms, parameters, fairness constraints or other applied ap...
Model Card for MADLAD-400-3B-MT Table of Contents 0. TL;DR(TL;DR) 1. Model Details(model-details) 2. Usage(usage) 3. Uses(uses) 4. Bias, Risks, and Limitations(bias-risks-and-limitations) 5. Training Details(training-details) 6. Evaluation(evaluatio...