F5 TTS Vietnamese 100h

🚀 🎙️ F5-TTS-Vietnamese-150h

F5-TTSをベースに、ベトナム語の音声データ150時間でファインチューニングしたコンパクトなモデルです。

🚀 クイックスタート

モデルをロードして使用するには、以下の例に従ってください。

基本的な使用法

git clone https://github.com/nguyenthienhy/F5-TTS-Vietnamese
cd F5-TTS-Vietnamese
python -m pip install -e.
f5-tts_infer-cli \
--model "F5TTS_Base" \
--ref_audio ref.wav \
--ref_text "cả hai bên hãy cố gắng hiểu cho nhau" \
--gen_text "mình muốn ra nước ngoài để tiếp xúc nhiều công ty lớn, sau đó mang những gì học được về việt nam giúp xây dựng các công trình tốt hơn" \
--speed 1.0 \
--vocoder_name vocos \
--vocab_file data/your_training_dataset/vocab.txt \
--ckpt_file ckpts/your_training_dataset/model_500000.pt

✨ 主な機能

• ベトナム語の音声合成が可能です。
• ファインチューニングにより、高精度な音声合成が実現されています。

📦 インストール

git clone https://github.com/nguyenthienhy/F5-TTS-Vietnamese
cd F5-TTS-Vietnamese
python -m pip install -e.

📚 ドキュメント

モデル詳細

更新情報

ホーチミン経済大学（UEH）のĐịnh先生に、追加の50時間の高品質なラベル付きデータセットを提供していただき、感謝いたします。

先生の連絡先: https://www.facebook.com/luudinhit93

🔧 技術詳細

• データ処理にはfacebook demucsモデルを使用して音楽背景を削除しています。
• オーディオファイルの長さに制限を設け、品質の高いデータのみを使用しています。
• 学習はRTX 3090 GPUを使用し、バッチサイズ3200フレームで行われました。

📄 ライセンス

このモデルはCC-BY-NC-SA-4.0ライセンスの下で提供されており、非商用の研究用途のみに使用できます。

⚠️ 重要提示

このモデルは研究目的のみを意図しています。アクセス要求は、機関、学術、または企業のメールアドレスを使用して行う必要があります。一般のメールプロバイダからの要求は拒否されます。ご理解いただければ幸いです。

💡 使用建议

より多くのファインチューニング実験については、https://github.com/nguyenthienhy/F5-TTS-Vietnamese をご覧ください。