Repository navigation
v0.2.0 — prosody v2 (non-commercial models)
Model M có ngữ điệu v2: thêm bộ dự đoán cao độ và năng lượng tường minh, sửa lỗi đọc quá nhanh. Model S giữ nguyên bản v0.1.
| File | Tham số | CER | UTMOS | Thời lượng TB/câu (thật: 6.08 s) | RTF trên ESP32-P4 |
|---|---|---|---|---|---|
vtts-vi-m-v0.2.q8.vtts |
1.73M | 0.0118 | 2.19 | 5.80 s | 0.79–0.90 |
vtts-vi-m-v0.1 (bản trước, để so sánh) |
1.73M | 0.0124 | 2.08 | 4.95 s | 0.72–0.86 |
vtts-vi-s-v0.1.q8.vtts (không đổi) |
0.77M | 0.023 | 1.86 | — | 0.42 |
So với v0.1: đọc chậm lại gần nhịp người thật, rõ chữ và tự nhiên hơn. Tiếng rít tăng nhẹ (3.3 lên 7.8, vẫn thấp hơn teacher 14.8). Cần firmware và runtime từ commit của bản phát hành này, vì model v0.2 dùng thêm nhánh cao độ.
Giấy phép model: CC BY-NC 4.0, chỉ dùng phi thương mại. Lý do giống v0.1 (teacher khởi tạo từ checkpoint Piper lessac, dữ liệu InfoRe1). Code vẫn là Apache-2.0. Một giọng mới train từ đầu trên VietBibleVox (CC BY-SA 4.0) đang được chuẩn bị cho bản dùng được thương mại.
M model with prosody v2 (explicit pitch/energy predictor, fixed speaking rate). S model unchanged from v0.1. Models are CC BY-NC 4.0 (non-commercial only); code remains Apache-2.0. Verify downloads with SHA256SUMS.