/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
6 авг 2026

voice-tts

Синтез речиТекст → аудио3 профессии

Производная модели contextboxai/Kokoro-Vietnamese. Дообученная версия Kokoro для синтеза вьетнамской речи из текста с несколькими голосовыми наборами и экспортом ONNX.

7скачиваний за 30 дней0лайковвеса обновлены7 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Карточка модели dohop96/voice-tts на Hugging Face совпадает с карточкой contextboxai/Kokoro-Vietnamese, поэтому описание составлено по ней.

Kokoro Vietnamese — набор артефактов для синтеза речи на вьетнамском языке, созданный сообществом contextboxai на основе дообученной модели Kokoro. Репозиторий содержит контрольную точку PyTorch для инференса, экспорт акустической модели в ONNX, конфигурацию и словарь, голосовой набор по умолчанию и дополнительные голосовые наборы.

Модель предназначена для преобразования вьетнамского текста в речь; Vietnamese G2P выполняется с помощью vig2p. Для запуска доступны PyTorch и ONNX Runtime, включая CUDAExecutionProvider при установленном onnxruntime-gpu. Репозиторий распространяется по лицензии Apache-2.0. Размер модели и длина контекста в карточке не приведены.

Сценарии применения

  • озвучивание вьетнамского текста
  • создание голосовых реплик для приложений на вьетнамском языке
  • генерация вьетнамской речи для аудиоконтента
  • локальный синтез речи через ONNX Runtime

Ограничения

Модель предназначена для вьетнамского языка; качество и набор доступных голосов зависят от используемого голосового набора. Для CUDA-инференса требуется onnxruntime-gpu и доступный CUDAExecutionProvider.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kokoro Vietnamese

Fine-tuned Vietnamese Kokoro TTS artifacts.

Files

  • kokoro_vi.pth: PyTorch Kokoro KModel checkpoint for inference.
  • kokoro_vi.onnx: ONNX Runtime export of the acoustic model.
  • kokoro_vi_voicepack.pt: default Vietnamese voicepack.
  • config.json: Kokoro config/vocab used by both PyTorch and ONNX inference.
  • voicepacks/*.pt: additional Vietnamese voicepacks.

Install

git clone https://github.com/iamdinhthuan/Kokoro-Vietnamese.git
cd Kokoro-Vietnamese
pip install -e .

For ONNX Runtime:

pip install -e ".[onnx]"

PyTorch Inference

kokoro-vietnamese \
  --text "Xin chào, hôm nay tôi đang kiểm tra giọng đọc tiếng Việt." \
  --output outputs/sample.wav \
  --voice diem_trinh \
  --device cuda

ONNX Runtime Inference

kokoro-vietnamese-onnx \
  --text "Tường nhà khách đã được sơn lại." \
  --output outputs/onnx.wav \
  --device cpu \
  --print-phonemes

The ONNX CLI downloads kokoro_vi.onnx, kokoro_vi_voicepack.pt, and config.json from this repository when local paths are not provided. Install onnxruntime-gpu and pass --device cuda to use CUDAExecutionProvider when available.

Export ONNX Yourself

kokoro-vietnamese-export-onnx \
  --output outputs/kokoro_vi.onnx

Vietnamese G2P is handled by vig2p, matching the GitHub inference and training code.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
1f48d72

0 моделей