Viet Tts

🚀 VietTTS：開源越南語文本轉語音工具

VietTTS 是一個開源工具包，為社區提供了強大的越南語文本轉語音（TTS）模型，能夠實現自然語音合成和強大的語音克隆功能。它專為高效實驗而設計，支持越南語語音技術的研究和應用。

🚀 快速開始

VietTTS 可通過 Python 安裝程序（僅支持 Linux，即將支持 Windows 和 macOS）或 Docker 進行安裝。

📦 安裝指南

Python 安裝程序（Python >= 3.10）

git clone https://github.com/dangvansam/viet-tts.git
cd viet-tts

# （可選）使用 conda 創建 Python 環境，你也可以使用 virtualenv 
conda create --name viettts python=3.10
conda activate viettts

# 安裝
pip install -e . && pip cache purge

Docker

1. 安裝 Docker、NVIDIA 驅動、NVIDIA 容器工具包 和 CUDA。
2. 運行以下命令：

git clone https://github.com/dangvansam/viet-tts.git
cd viet-tts

# 構建 Docker 鏡像
docker compose build

# 使用 docker-compose 運行 - 將在 http://localhost:8298 創建服務器
docker compose up -d

# 或者使用 docker run 運行 - 將在 http://localhost:8298 創建服務器
docker run -itd --gpu=alls -p 8298:8298 -v ./pretrained-models:/app/pretrained-models -n viet-tts-service viet-tts:latest viettts server --host 0.0.0.0 --port 8298

✨ 主要特性

• TTS：通過提示音頻實現任意語音的文本轉語音生成。
• 兼容 OpenAI API：與 OpenAI 的文本轉語音 API 格式兼容。

💻 使用示例

內置語音 🤠

你可以使用以下可用語音進行語音合成：

命令行界面（CLI）

VietTTS 命令行界面（CLI）允許你直接從終端快速生成語音。以下是使用方法：

# 使用說明
viettts --help

# 啟動 API 服務器
viettts server --host 0.0.0.0 --port 8298

# 列出所有內置語音
viettts show-voices

# 使用內置語音從文本合成語音
viettts synthesis --text "Xin chào" --voice 0 --output test.wav

# 從本地音頻文件克隆語音
viettts synthesis --text "Xin chào" --voice Download/voice.wav --output cloned.wav

API 客戶端

Python（OpenAI 客戶端）

你需要為 OpenAI 客戶端設置環境變量：

# 將 base_url 和 API 密鑰設置為環境變量
export OPENAI_BASE_URL=http://localhost:8298
export OPENAI_API_KEY=viet-tts # 當前版本未使用

要從輸入文本創建語音：

from pathlib import Path
from openai import OpenAI

client = OpenAI()

output_file_path = Path(__file__).parent / "speech.wav"

with client.audio.speech.with_streaming_response.create(
  model='tts-1',
  voice='cdteam',
  input='Xin chào Việt Nam.',
  speed=1.0,
  response_format='wav'
) as response:
  response.stream_to_file('a.wav')

CURL

# 獲取所有內置語音
curl --location http://0.0.0.0:8298/v1/voices

# OpenAI 格式（內置語音）
curl http://localhost:8298/v1/audio/speech \
  -H "Authorization: Bearer viet-tts" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Xin chào Việt Nam.",
    "voice": "son-tung-mtp"
  }' \
  --output speech.wav

# 帶有本地文件語音的 API
curl --location http://0.0.0.0:8298/v1/tts \
  --form 'text="xin chào"' \
  --form 'audio_file=@"/home/viettts/Downloads/voice.mp4"' \
  --output speech.wav

Node

import fs from "fs";
import path from "path";
import OpenAI from "openai";

const openai = new OpenAI();

const speechFile = path.resolve("./speech.wav");

async function main() {
  const mp3 = await openai.audio.speech.create({
    model: "tts-1",
    voice: "1",
    input: "Xin chào Việt Nam.",
  });
  console.log(speechFile);
  const buffer = Buffer.from(await mp3.arrayBuffer());
  await fs.promises.writeFile(speechFile, buffer);
}
main();

🙏 致謝

• 💡 借鑑了 Cosyvoice 的代碼。
• 🎙️ 使用了 silero-vad 的 VAD 模型。
• 📝 採用 Vinorm 進行文本歸一化。

📄 許可證

VietTTS 源代碼遵循 Apache 2.0 許可證 發佈。預訓練模型和音頻樣本基於野外數據集，遵循 CC BY - NC 許可證。對於可能造成的不便，我們深表歉意。

⚠️ 免責聲明

上述內容僅用於學術目的，旨在展示技術能力。部分示例源自互聯網。若任何內容侵犯了你的權益，請聯繫我們要求刪除。

💬 聯繫我們

• Facebook: https://fb.com/sam.rngd
• GitHub: https://github.com/dangvansam
• Email: dangvansam98@gmail.com