Viet Tts

🚀 VietTTS：开源越南语文本转语音工具

VietTTS 是一个开源工具包，为社区提供了强大的越南语文本转语音（TTS）模型，能够实现自然语音合成和强大的语音克隆功能。它专为高效实验而设计，支持越南语语音技术的研究和应用。

🚀 快速开始

VietTTS 可通过 Python 安装程序（仅支持 Linux，即将支持 Windows 和 macOS）或 Docker 进行安装。

📦 安装指南

Python 安装程序（Python >= 3.10）

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

# （可选）使用 conda 创建 Python 环境，你也可以使用 virtualenv 
conda create --name viettts python=3.10
conda activate viettts

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

Docker

1. 安装 Docker、NVIDIA 驱动、NVIDIA 容器工具包 和 CUDA。
2. 运行以下命令：

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

# 构建 Docker 镜像
docker compose build

# 使用 docker-compose 运行 - 将在 http://localhost:8298 创建服务器
docker compose up -d

# 或者使用 docker run 运行 - 将在 http://localhost:8298 创建服务器
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：通过提示音频实现任意语音的文本转语音生成。
• 兼容 OpenAI API：与 OpenAI 的文本转语音 API 格式兼容。

💻 使用示例

内置语音 🤠

你可以使用以下可用语音进行语音合成：

命令行界面（CLI）

VietTTS 命令行界面（CLI）允许你直接从终端快速生成语音。以下是使用方法：

# 使用说明
viettts --help

# 启动 API 服务器
viettts server --host 0.0.0.0 --port 8298

# 列出所有内置语音
viettts show-voices

# 使用内置语音从文本合成语音
viettts synthesis --text "Xin chào" --voice 0 --output test.wav

# 从本地音频文件克隆语音
viettts synthesis --text "Xin chào" --voice Download/voice.wav --output cloned.wav

API 客户端

Python（OpenAI 客户端）

你需要为 OpenAI 客户端设置环境变量：

# 将 base_url 和 API 密钥设置为环境变量
export OPENAI_BASE_URL=http://localhost:8298
export OPENAI_API_KEY=viet-tts # 当前版本未使用

要从输入文本创建语音：

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

# 获取所有内置语音
curl --location http://0.0.0.0:8298/v1/voices

# OpenAI 格式（内置语音）
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

# 带有本地文件语音的 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();

🙏 致谢

• 💡 借鉴了 Cosyvoice 的代码。
• 🎙️ 使用了 silero-vad 的 VAD 模型。
• 📝 采用 Vinorm 进行文本归一化。

📄 许可证

VietTTS 源代码遵循 Apache 2.0 许可证 发布。预训练模型和音频样本基于野外数据集，遵循 CC BY - NC 许可证。对于可能造成的不便，我们深表歉意。

⚠️ 免责声明

上述内容仅用于学术目的，旨在展示技术能力。部分示例源自互联网。若任何内容侵犯了你的权益，请联系我们要求删除。

💬 联系我们

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