The dataset viewer is not available because its heuristics could not detect any supported data files. You can try uploading some data files, or configuring the data files location manually.

VieTTS Multi-Voice 24kHz Vietnamese Speech Dataset

Bộ dữ liệu giọng nói tiếng Việt đa ngữ điệu (Multi-Speaker) quy mô lớn chất lượng cao chuẩn 24kHz 16-bit Mono PCM WAV, được biên tập và chuẩn hoá 100% tiếng Việt phục vụ huấn luyện (training & fine-tuning) các mô hình chuyển văn bản thành giọng nói (Text-to-Speech) hiện đại như Kokoro-Vietnamese, VieNeu-TTS, F5-TTS, VITS, Matcha-TTS, StyleTTS 2 cũng như đánh giá nhận dạng tiếng nói (ASR).

1. Tổng quan dữ liệu (Dataset Summary)

Ngôn ngữ: Tiếng Việt (vi-VN)
Số lượng giọng (Speakers): 8 giọng đọc đặc trưng (đa vùng miền, đa phong cách)
Số câu mỗi giọng: 17,736 câu chuẩn hoá cao độ
Tổng số từ (Words): 91,482 từ tiếng Việt
Tổng số file audio: 141,888 file WAV (17,736 files × 8 giọng)
Tổng thời lượng nói thực tế: 58.41 giờ (58h 24m 49s)
Định dạng âm thanh:
- Format: WAV (Linear PCM 16-bit)
- Sampling Rate: 24,000 Hz (24kHz)
- Channels: 1 (Mono)
- Bitrate: 384 kbps
- Trạng thái kiểm thử Enterprise-Grade: 100% PASS (0 file rỗng, 0 file câm, 0 clipping, 0 lệch DC offset, header RIFF/WAVE chuẩn hoá tuyệt đối)

2. Danh sách giọng đọc & Thống kê thời lượng thực tế (Speakers & Statistics)

STT	Tên Dataset	Giới tính / Phong cách	Mã giọng (Voice Type)	Số file	Thời lượng thực tế	Trình phát trực tiếp (Click Play)
1	BanMai	Nữ dịu dàng, tự nhiên	`multi_female_yangguangnv_uranus_bigtts`	17,736	09h 38m 57s
2	GiongBe	Trẻ em, hồn nhiên	`BV074_streaming_dsp`	17,736	06h 15m 38s
3	HoatNgon	Nữ hoạt bát, sôi nổi	`BV074_streaming`	17,736	06h 15m 39s
4	Mai	Nữ ấm áp, phát thanh	`BV562_streaming`	17,736	06h 34m 32s
5	NamMeoMo	Nam cá tính, biểu cảm	`BV075_streaming_vibrato_dsp`	17,736	06h 21m 08s
6	NhoNgotNgao	Nữ miền Nam ngọt ngào	`BV421_vivn_streaming`	17,736	06h 19m 08s
7	NuPhoThong	Nữ chuẩn phổ thông (Hương)	`vi_female_huong`	17,736	06h 48m 53s
8	ReviewNew	Nữ phong cách review phim	`multi_female_richgirl_uranus_bigtts`	17,736	10h 10m 51s
Tổng	8 Giọng	Đa dạng phong cách	—	141,888	58h 24m 49s	8 trình phát mẫu chuẩn 24kHz

3. Cấu trúc thư mục (Directory Structure)

Upload/
├── README.md               # Dataset card mô tả chi tiết dữ liệu
├── test.py                 # Bộ kiểm định chất lượng âm thanh chuẩn Enterprise (~4,500 files/s)
├── split.py                # Công cụ trích xuất sub-dataset theo thời lượng nói thực tế
├── preview/                # File âm thanh nghe thử cho từng giọng (đọc câu mẫu số 1)
│   ├── BanMai.wav
│   ├── GiongBe.wav
│   ├── HoatNgon.wav
│   ├── Mai.wav
│   ├── NamMeoMo.wav
│   ├── NhoNgotNgao.wav
│   ├── NuPhoThong.wav
│   └── ReviewNew.wav
└── dataset/                # Các gói dữ liệu nén độc lập theo từng giọng đọc
    ├── BanMai.zip          # 17,736 wav + metadata.csv (1.18 GB)
    ├── GiongBe.zip         # 17,736 wav + metadata.csv (890.6 MB)
    ├── HoatNgon.zip        # 17,736 wav + metadata.csv (891.8 MB)
    ├── Mai.zip             # 17,736 wav + metadata.csv (941.2 MB)
    ├── NamMeoMo.zip        # 17,736 wav + metadata.csv (891.4 MB)
    ├── NhoNgotNgao.zip     # 17,736 wav + metadata.csv (907.5 MB)
    ├── NuPhoThong.zip      # 17,736 wav + metadata.csv (1.00 GB)
    └── ReviewNew.zip       # 17,736 wav + metadata.csv (1.18 GB)

Mỗi file .zip chứa cấu trúc an toàn gồm thư mục gốc của dataset cùng toàn bộ audio và file nhãn:

HoatNgon.zip
└── HoatNgon/
    ├── metadata.csv
    ├── audio_0001.wav
    ├── audio_0002.wav
    ...
    └── audio_17736.wav

4. Định dạng nhãn dữ liệu (`metadata.csv`)

Mỗi gói dataset chứa file metadata.csv được mã hoá chuẩn UTF-8, phân tách bằng ký tự gạch đứng | theo định dạng chuẩn LJSpeech:

audio_0001.wav|Thế nhưng nó lại có mặt ở mọi ngóc ngách, ngã đường và người dân Việt coi phở như một món ăn thân thuộc.
audio_0002.wav|Bánh mì thơm ngon, giá thành rẻ nên đã trở thành món ăn quen thuộc của nhiều người.
audio_0003.wav|Nó được làm từ bánh tráng cuộn với các loại rau thơm, bún và một số loại thịt như thịt bò, heo, vịt, tôm, cá, cua.
...
audio_1151.wav|Ừ.
audio_1152.wav|Được.
...
audio_1201.wav|Đột phá rồi!
...
audio_1301.wav|Anh.
audio_1302.wav|Chị.
...
audio_17736.wav|Và câu chuyện đó vẫn tiếp tục được lưu truyền.

5. Quy chuẩn kiểm soát chất lượng văn bản & Âm thanh (Quality Assurance)

Toàn bộ 17,736 câu (91,482 từ) được tinh chọn, làm sạch và kiểm định qua nhiều bước:

Thuần Việt 100%:
- Loại bỏ hoàn toàn các từ viết tắt kỹ thuật (như IP, ICPC, VAT, CEO, GDP...).
- Việt hoá toàn bộ số đếm và đơn vị (100 -> một trăm, 10% -> mười phần trăm).
- Không chứa từ ngữ ngoại lai chưa được việt hoá.
Loại bỏ triệt để từ gây nuốt âm:
- Đã loại trừ các từ dễ gây đọc nuốt âm hoặc nhầm lẫn với số La Mã.
Phân bổ ngữ cảnh đa tầng (Balanced Phonetic & Semantic Coverage):
- Đoạn văn & câu truyện dài: Văn hóa, du lịch, khoa học, ẩm thực, giáo dục, đời sống xã hội.
- Hội thoại & đệm cảm xúc: Các từ cảm thán, đệm xưng hô, tiếng cười, câu cảm thán kiếm hiệp/phim ảnh ngắn đến dài.
- Ngữ âm cân bằng: Đầy đủ các âm vị, thanh điệu tiếng Việt và các phụ âm khép (-p, -t, -c, -ch).
Kiểm tra tín hiệu âm thanh chuẩn Enterprise:
- 0 Dead Silence: 0% file câm / rỗng tín hiệu.
- 0 Severe Clipping: Không bị xén biên độ đỉnh, âm thanh trong trẻo không rè.
- 0 DC Offset: Không bị lệch trục 0V gây méo lọc mel spectrogram.
- Chuẩn hóa tốc độ đọc: Tốc độ đọc tự nhiên đạt trung bình từ 1.80 đến 3.17 từ/giây.

6. Bộ công cụ tiện ích xử lý & kiểm định Dataset (Dataset Tools & Utilities)

Dataset đi kèm 2 công cụ Python chuyên dụng cho kỹ sư TTS, hỗ trợ chuẩn hóa quy trình trước và trong khi huấn luyện:

A. `test.py` — Bộ kiểm định chất lượng âm thanh doanh nghiệp (Enterprise Verification Suite)

Tác dụng:
- Kiểm tra tính toàn vẹn 100% của dataset trước khi huấn luyện (loại bỏ hoàn toàn rủi ro loss = NaN, lệch alignment, sập mô hình hoặc tràn VRAM).
- Quét cấu trúc file: Header RIFF/WAVE, chuẩn 24,000 Hz, 1 kênh Mono, 16-bit Linear PCM.
- Phân tích tín hiệu âm học sâu: Phát hiện âm thanh chết (Dead silence: Peak < 50 hoặc RMS < -65 dBFS), xén biên độ đỉnh (Severe clipping: ±32767), lệch trục DC Offset (> 1%), thời lượng dị biệt (< 0.3s hoặc > 15.0s).
- Đối chiếu nhãn văn bản: Khớp 1-1 với metadata.csv, phân tích tốc độ đọc WPS (Words-Per-Second) để bắt lỗi cắt cụt câu hoặc thừa khoảng lặng.
- Tính năng --fix: Tự động sửa chữa lỗi sai lệch kích thước header do quá trình streaming (lossless, giữ nguyên 100% dữ liệu PCM).
- Xuất báo cáo JSON/Log phục vụ tích hợp CI/CD tự động (Exit code 0 = PASS, Exit code 1 = FAIL).

Cách sử dụng:

# 1. Quét kiểm tra toàn bộ dataset trong thư mục hiện tại
python test.py --dir .

# 2. Quét riêng một dataset cụ thể
python test.py --dir HoatNgon

# 3. Tự động sửa header WAV bị sai kích thước
python test.py --fix

# 4. Xuất báo cáo chi tiết ra file JSON và Log lỗi cho pipeline
python test.py --dir . --json-report audit_report.json --log-report audit_errors.log

# 5. Đồng bộ metadata.csv vào các thư mục voice còn thiếu
python test.py --sync-metadata

B. `split.py` — Công cụ trích xuất Sub-dataset theo dải câu hoặc thời lượng thực tế

Tác dụng:
- Hỗ trợ 2 chế độ trích xuất linh hoạt:
  1. Theo dải số câu cụ thể (start-end): Ví dụ 1-300, 101-500 — trích xuất chính xác dải câu tuần tự từ câu bắt đầu đến câu kết thúc, không quan tâm thời gian.
  2. Theo thời lượng nói thực tế (time): Ví dụ 5h6m30s, 1h, 300m — tự đo sóng âm WAV (sai số < 0.5s) và phân bổ tỉ lệ câu vàng cho TTS (20% 1 tiếng, 30% 2-5 tiếng, 50% > 5 tiếng).
- Tự động tạo thư mục đầu ra theo cấu trúc [folder] + [target] (ví dụ: Test1-300, Mai5h6m30s, HoatNgon1h).
- Đổi tên file liên tục tuyệt đối: Đánh số tuần tự từ audio_0001.wav đến hết, đồng bộ vào metadata.csv mới, tuyệt đối không nhảy cóc số (1, 2, 3, 4...).
- Tốc độ sao chép cực nhanh nhờ xử lý đa luồng (ThreadPoolExecutor).

Cú pháp:

python split.py [folder] [start-end | time]

Cách sử dụng:

# 1. Trích xuất theo dải số câu cụ thể (không quan tâm thời gian)
python split.py Test 1-300        # Lấy từ câu 1 đến câu 300 -> tạo thư mục Test1-300
python split.py Mai 101-500       # Lấy từ câu 101 đến câu 500 -> tạo thư mục Mai101-500

# 2. Trích xuất theo thời lượng nói thực tế
python split.py Mai 5h6m30s       # Cắt 5 giờ 6 phút 30 giây -> tạo thư mục Mai5h6m30s
python split.py HoatNgon 1h       # Cắt 1 giờ -> tạo thư mục HoatNgon1h
python split.py ReviewNew 300m    # Cắt 300 phút -> tạo thư mục ReviewNew300m
python split.py NuPhoThong 2000s  # Cắt 2000 giây -> tạo thư mục NuPhoThong2000s

# 3. Chỉ định thư mục đầu ra tùy ý với cờ --out (-o)
python split.py Test 1-300 -o ./subsets/Test_300

7. Hướng dẫn sử dụng (Quick Start)

Giải nén bằng Python

import zipfile
from pathlib import Path

zip_path = Path("dataset/HoatNgon.zip")
extract_dir = Path("./data")

with zipfile.ZipFile(zip_path, "r") as zf:
    zf.extractall(extract_dir)

print("Đã giải nén vào:", extract_dir / "HoatNgon")

Đọc dữ liệu với `pandas` và `torchaudio`

import pandas as pd
import torchaudio

# Đọc danh sách câu
df = pd.read_csv(
    "data/HoatNgon/metadata.csv",
    sep="|",
    header=None,
    names=["audio_file", "text"],
)

# Tải 1 mẫu âm thanh
waveform, sample_rate = torchaudio.load(f"data/HoatNgon/{df.iloc[0]['audio_file']}")
print(f"Text: {df.iloc[0]['text']}")
print(f"Sample Rate: {sample_rate} Hz, Shape: {waveform.shape}")

8. Mục đích sử dụng phù hợp (Intended Use Cases)

Huấn luyện mô hình TTS: Dùng làm tập dữ liệu chuẩn để train base model hoặc fine-tune giọng đọc tiếng Việt cho Kokoro-TTS, VieNeu-TTS, VITS, StyleTTS 2, F5-TTS, Matcha-TTS.
Voice Cloning & Adaptation: Sử dụng làm reference audio và transcript chất lượng cao cho các kiến trúc Zero-Shot TTS.
Nghiên cứu ngữ âm: Đánh giá Prosody, độ tự nhiên (MOS) và khả năng biểu cảm của giọng đọc tiếng Việt.

9. Bản quyền & Giấy phép (License)

Bộ dữ liệu được phát hành dưới giấy phép Creative Commons Attribution 4.0 International (CC BY 4.0). Bạn được tự do chia sẻ, chỉnh sửa và sử dụng cho mục đích phi thương mại hoặc nghiên cứu khoa học, kèm theo ghi công nguồn dữ liệu.

Downloads last month: 45

Total file size:

7.9 GB