VieNeu-TTS v3
131M 的越南语和英语文本转语音模型,48 kHz 输出,有 23 个预设声音,支持克隆和 CPU 推理。Apache 2.0。
一句话概括. VieNeu-TTS 能用自然的声音朗读越南语文本,也能读英语,你可以从 23 个现成的声音里挑一个,或用一小段录音复制一个声音。它小到可以在普通电脑的处理器上运行,包括声音在内的所有内容都可以免费用于商业用途。
概述
VieNeu-TTS 是一位独立开发者 Phạm Nguyễn Ngọc Bảo 做的越南语文本转语音项目。它的 v3 Turbo 模型在 2026 年 6 月 5 日首次出现在 Hugging Face。模型有 131M 参数,采用类似大语言模型的自回归主干,并使用 OpenMOSS 的 MOSS-Audio-Tokenizer-Nano 编解码器。模型卡称它用约 10000 小时的英语和越南语语音从零训练,不是其他 TTS 模型的微调或蒸馏。它输出 48 kHz 语音,有来自北部、中部和南部地区的 23 个预设声音,能用 3 到 8 秒的音频克隆声音,能在同一段文本里切换越南语和英语,还支持实验性的提示,例如用 [cười] 表示笑声。
使用时可以通过 vieneu Python SDK(模型卡上为 3.7.1)或兼容 OpenAI 的语音服务器。在 CPU 上 SDK 不依赖 torch,运行 ONNX Runtime,模型卡给出的首段音频延迟在 fp32 下约 300 毫秒,int8 下约 140 毫秒。在 NVIDIA GPU 上它会批处理请求,模型卡称首段音频约 115 毫秒,在一块 RTX 3060 上 16 路并发流都在 200 毫秒以内。v3 Nano 是单独的预览版设计,有 48M 参数,采用流匹配,输出 24 kHz。它加载约需 3 秒,在 CPU 上比 Turbo 快约 3 倍,但模型卡称它的质量明显较低,英语也较弱。这些都是开发者自己的数据,模型卡没有给出听感评测或错误率基准,所以请自己听一听声音。
权重、ONNX 导出文件和随附的预设声音都采用 Apache 2.0。模型卡称预设声音背后的说话人同意将其用于 AI 训练和合成语音,并称生成的音频可以商用。训练数据没有公开,10000 小时的数据集需要申请访问。这份同意只涵盖预设声音,所以克隆别人的声音需要得到本人许可。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到 Turbo 约 210 万次下载(该计数也包含自动化安装),Nano 约 10.8 万次。
适合做什么
- 越南语旁白、有声书和语音助手,可选北部、中部和南部地区的声音。
- 在 CPU 或小型服务器上运行文本转语音,包括在一块中端 GPU 上为多名听众做流式输出。
- 夹杂英语单词或整句英语的越南语文本。
- 商业产品,因为代码、权重和预设声音共用一份 Apache 2.0 许可证。
需要注意
- 只支持越南语和英语,而且 Nano 的英语较弱。
- 这是单人项目,训练数据未公开,也没有公布质量基准。
- 行内情绪提示被标为实验性功能,预设声音列表会随 SDK 版本变化,所以请固定你测试时的版本。
- v3 Nano 是预览版,质量较低,输出 24 kHz,预设列表可能还会变化。
- 克隆真人声音的责任由你承担,模型卡里的同意声明只涵盖随附的预设声音。
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 VieNeu-TTS v3 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| v3 Nano (preview) | 48M | 0.28 GB | 0.322 GB | 笔记本或手机 |
| v3 Turbo BF16 | 131M | 0.26 GB | 0.299 GB | 笔记本或手机 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
常见问题
- VieNeu-TTS v3 是什么?
- VieNeu-TTS 能用自然的声音朗读越南语文本,也能读英语,你可以从 23 个现成的声音里挑一个,或用一小段录音复制一个声音。它小到可以在普通电脑的处理器上运行,包括声音在内的所有内容都可以免费用于商业用途。
- VieNeu-TTS v3 可以商用吗?
- 可以。VieNeu-TTS v3 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- VieNeu-TTS v3 是开源的吗?
- VieNeu-TTS v3 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 VieNeu-TTS v3 吗?
- 可以。最小版本 v3 Nano (preview) 在 4 位精度下约需 0.322 GB 内存,现代笔记本或中端显卡即可胜任。
- VieNeu-TTS v3 是什么时候发布的?
- VieNeu-TTS v3 由 Phạm Nguyễn Ngọc Bảo (VieNeu-TTS) 于 2026年6月5日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- VieNeu-TTS v3 Turbo model card (Hugging Face) huggingface.co
- VieNeu-TTS v3 Nano model card (Hugging Face) huggingface.co
- VieNeu-TTS repository (GitHub) github.com
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Kokoro hexgrad | 82M | – | Apache 2.0 (宽松) | 0.38 GB 笔记本或手机 | |
| Supertonic 3 Supertone | 99M | – | OpenRAIL-M (附条件) | 0.46 GB 笔记本或手机 | |
| Pocket TTS Kyutai | 18M – 100M | – | CC BY 4.0 (宽松) | 0.127 GB 笔记本或手机 | |
| KittenTTS 2 KittenML (Stellon Labs) | 1.7B | – | Stellon Labs Community (附条件) | 6 GB 笔记本或手机 |