/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
VieNeu-TTS-0.3B
Опубликована
8 янв 2026

VieNeu-TTS-0.3B-q4-gguf

Синтез речиТекст → аудио3 профессии

VieNeu-TTS-0.3B-q4-gguf — квантованная версия модели VieNeu-TTS-0.3B для синтеза речи на вьетнамском языке.

128 тыс.скачиваний за 30 дней6лайковвеса обновлены13 мар 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

Модель разработал Phạm Nguyễn Ngọc Bảo; обучение связано с наборами данных VieNeu-TTS-1000h и VieNeu-TTS-140h. Она предназначена для преобразования текста в речь, включая чтение текста, голосовые интерфейсы, чат-ботов реального времени и исследовательские приложения.

Модель распространяется в формате GGUF с квантованием Q4_0, занимает около 200 МБ и оптимизирована для работы непосредственно на CPU без выделенного GPU. Заявлена поддержка синтеза в реальном времени на обычных потребительских процессорах, включая офисные ноутбуки и мини-ПК. Доступны стандартные предустановленные голоса и режим zero-shot voice cloning по образцу аудио с текстовой расшифровкой. Для фонемизации обязательно требуется eSpeak NG. Архитектура, точное число параметров базовой модели, длина контекста и дополнительные модальности в README не указаны.

К сильным сторонам относятся небольшой размер, низкие требования к оборудованию, высокая скорость CPU-инференса и поддержка клонирования голоса. Ограничения включают специализацию на вьетнамском языке, зависимость от eSpeak NG и отсутствие заявленной поддержки GPU-оптимизированного режима; качество синтеза и клонирования в README количественно не оценено. Модель доступна по лицензии CC BY-NC 4.0: её разрешено использовать в исследовательских, учебных и некоммерческих целях, тогда как коммерческое и корпоративное применение требует предварительного разрешения автора.

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

🦜 VieNeu-TTS-0.3B-Q4-0-GGUF (CPU Optimized)

GitHub Base Model Discord

VieNeu-TTS-0.3B-Q4-0-GGUF is a Q4_0 quantized version of VieNeu-TTS-0.3B. This model is specifically optimized to run directly on the CPU, providing extremely fast speech synthesis without the need for a dedicated GPU.

Author: Phạm Nguyễn Ngọc Bảo

☕ Support This Project

Training high-quality TTS models requires significant GPU resources. If you find this model useful, please consider supporting the development:

Buy Me a Coffee


🛠️ Requirements (eSpeak NG)

eSpeak NG is mandatory for phonemization.

  • Windows: Download .msi from eSpeak NG Releases.
  • macOS: brew install espeak
  • Linux: sudo apt install espeak-ng

🚀 How to Use

Use the source code from GitHub for the best experience with full text preprocessing support:

# 1. Clone repository
git clone https://github.com/pnnbao97/VieNeu-TTS.git
cd VieNeu-TTS

# 2. Sync environment (requires uv)
uv sync

# 3. Launch Web UI
uv run gradio_app.py

In the UI, select Backbone: VieNeu-TTS-0.3B-q4-gguf and Device: CPU.


📦 Using Python SDK (vieneu)

Install the SDK to integrate VieNeu-TTS-0.3B into your research or applications:

# Windows (Avoid llama-cpp build errors)
pip install vieneu --extra-index-url https://pnnbao97.github.io/llama-cpp-python-v0.3.16/cpu/

# Linux / MacOS
pip install vieneu

Full Features Guide

from vieneu import Vieneu
import os

# Initialization
tts = Vieneu()  # Default: 0.3B-Q4 GGUF for CPU
os.makedirs("outputs", exist_ok=True)

# 1. List preset voices
available_voices = tts.list_preset_voices()
for desc, name in available_voices:
    print(f"   - {desc} (ID: {name})")

# 2. Use specific voice (dynamically select second voice)
if available_voices:
    _, my_voice_id = available_voices[1] if len(available_voices) > 1 else available_voices[0]
    voice_data = tts.get_preset_voice(my_voice_id)
    audio_spec = tts.infer(text="Chào bạn, tôi đang nói bằng giọng của bác sĩ Tuyên.", voice=voice_data)
    tts.save(audio_spec, f"outputs/standard_{my_voice_id}.wav")
    print(f"💾 Saved synthesis to: outputs/standard_{my_voice_id}.wav")

# 3. Standard synthesis (uses default voice)
text = "Xin chào, tôi là VieNeu. Tôi có thể giúp bạn đọc sách, làm chatbot thời gian thực, hoặc thậm chí clone giọng nói của bạn."
audio = tts.infer(text=text)
tts.save(audio, "outputs/standard_output.wav")
print("💾 Saved synthesis to: outputs/standard_output.wav")

# 4. Zero-shot voice cloning
if os.path.exists("examples/audio_ref/example_ngoc_huyen.wav"):
    cloned_audio = tts.infer(
        text="Đây là giọng nói đã được clone thành công từ file mẫu.",
        ref_audio="examples/audio_ref/example_ngoc_huyen.wav",
        ref_text="Tác phẩm dự thi bảo đảm tính khoa học, tính đảng, tính chiến đấu, tính định hướng."
    )
    tts.save(cloned_audio, "outputs/standard_cloned_output.wav")
    print("💾 Saved cloned voice to: outputs/standard_cloned_output.wav")

# 5. Cleanup
tts.close()

📊 Technical Specifications

  • Format: GGUF (Q4_0)
  • Size: ~200 MB
  • Standard Devices: Office laptops, Mini PCs, and computers without GPUs.
  • Performance: Achieves real-time speed even on standard consumer CPUs.

⚠️ Licensing & Copyright

This model is released under the CC BY-NC 4.0 license.

  • ✅ Free: For students, researchers, and non-profit purposes.
  • ⚠️ Commercial/Enterprise: Use for businesses or commercial products is strictly prohibited without prior authorization.
  • Commercial Licensing: Please contact the author (Phạm Nguyễn Ngọc Bảo) for licensing terms (Estimated: 5,000 USD/year - negotiable).

📑 Citation

@misc{vieneutts03bgguf2026,
  title        = {VieNeu-TTS-0.3B-GGUF: CPU-Optimized Vietnamese Text-to-Speech},
  author       = {Pham Nguyen Ngoc Bao},
  year         = {2026},
  publisher    = {Hugging Face},
  howpublished = {\url{https://huggingface.co/pnnbao-ump/VieNeu-TTS-0.3B-q4-gguf}}
}

Made with ❤️ for the Vietnamese TTS community

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
851e11d

0 моделей