ViFastTts · Giọng đọc tiếng Việt

ViFastTts N0 — Ngọc Huyền base 60k (sau Q)

Model nghiên cứu, KHÔNG production thương mại. Dataset pnnbao-ump/ngochuyen_voice là CC BY-NC 4.0. Không dùng để giả giọng, lừa đảo, bán lại hoặc triển khai thương mại khi chưa có quyền riêng. Code ViFastTts là MIT; quyền dataset/giọng vẫn giữ nguyên.

Đây là model acoustic base 17,1M (96/256/6/4) train trên cùng 17,8 h N0, sau khi vocab Q25 đã có. Checkpoint tốt nhất @59k: runs/acoustic_ngochuyen_base/best.pt, sha256 e5f97099…7396d7c. Base 60k không được chọn làm production (small vẫn live) nhưng được công bố để tái lập/so sánh; xem docs/TRAINING_N0.md mục 3.4–3.5.

Dùng với app

bundles/n0-ngochuyen-base.vfa — acoustic-only, dùng onnx/vocoder.onnx.
bundles/n0-ngochuyen-base.vfts — full bundle, tự chứa vocoder + frontend.
onnx/acoustic.onnx — base FP32, vocab_version=vi-q25-v1, vocab_hash=1a33a962….
Vocoder: Vocos pretrained charactr/vocos-mel-24khz (MIT).

Kết quả tham chiếu (benchmark 200 segment)

Model	mel z	mel dB	CER-100	pause F1	tone C
small @60k (live)	0,2947	3,994	0,0868	0,8279	0,9778
base @40k	0,2641	3,584	0,0819	0,8224	0,9774
base @60k (repo này)	0,2637	3,576	0,0843	0,8310	0,9800

Val mel hữu thanh: 40k 0,24934 → 59k 0,24757 (best) → 60k 0,24762. A/B 18 câu khó: base 7 · small 2 · hòa 9 (chưa đủ mạnh để đổi production).

File

best.pt                         # base 60k @59k, sha256 e5f97099…7396d7c
onnx/acoustic.onnx              # base FP32 Q25, sha256 efdd4d8c…a60abe
onnx/vocoder.onnx               # Vocos pretrained
bundles/n0-ngochuyen-base.vfa   # 64 MB acoustic-only
bundles/n0-ngochuyen-base.vfts  # 112 MB full
config.yaml                     # configs/base_ngochuyen_60k.yaml
resolved_config.json
data/ngochuyen/mel_stats.json
data/ngochuyen/f0_stats_v2.json
SHA256SUMS

Quan hệ với bản live

Bản đang live: dvchd/vifasttts-ngochuyen-small (N0 small Q-init).
Repo này: base 60k sau Q, dùng để A/B/tái lập; không phải production.
Không còn chứa base N0 24-onset trước Q; bản đó chỉ còn trong git history của repo này.

License / attribution

Dataset: pnnbao-ump/ngochuyen_voice, revision 1ebbfbd1fb828dfd41bff8b1645ad9e56cfc614a, CC BY-NC 4.0.
Vocoder: charactr/vocos-mel-24khz, MIT.
Model weights: research/non-commercial; xem LICENSE.md.

Downloads last month: 21