VieNeu-TTS v3 Turbo

VieNeu-TTS v3 Turbo

用 48 kHz 朗读越南语和英语，带来自三个地区的 23 个预设声音、即时声音克隆和实时流式输出。这是一个 131M 的小型文字转语音模型，在普通 CPU 上也能运行。

由 pnnbao-ump 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：VieNeu-TTS v3 Turbo 是 pnnbao-ump 推出的越南语和英语文字转语音模型，有 131M 参数。它输出 48 kHz 音频，自带来自越南北部、中部和南部的 23 个预设声音。它还能从一小段样本复制声音，实时流式输出语音，并在同一句话里混用两种语言。作者说它是从零设计并训练的，使用了大约 10,000 小时的英语和越南语语音。

适合谁：构建越南语语音应用、旁白、语音机器人和朗读工具，并想要一个在普通电脑上就能运行的小模型的开发者和创作者。

Industry | Who uses it | How they use it | Example
媒体与视频 | 创作者 | 用越南语朗读脚本 | 一段南部口音的旁白
客户服务 | 语音机器人构建者 | 向来电者流式输出语音回复 | 一个用越南语回答的客服机器人
教育 | 语言老师 | 用两种语言朗读课文 | 带有英语术语的双语朗读
应用开发 | 开发者 | 给产品加入语音接口 | 一个能配合 OpenAI 客户端工具使用的服务

如果你需要越南语和英语以外的语言，可以跳过它，因为卡片只列出这两种。

用在哪里：

• Python，通过 vieneu 软件包
• 项目在你自己电脑上启动的浏览器界面
• 带 OpenAI 兼容接口的流式服务，卡片说它能配合常见的语音智能体工具使用

Use case | Who | What they get back
默认声音 | 所有人 | 23 个预设声音之一的语音
声音克隆 | 制作人 | 复制一小段声音样本的语音
流式输出 | 语音机器人构建者 | 不到一秒就开始的音频

如何设置：

• Python 和 pip
• BF16 约需 262 MB 磁盘空间，4-bit 约 65 MB（估算值）
• 不需要 GPU，因为基础安装通过 ONNX Runtime 在 CPU 上运行
• 只有想用更快的批处理和流式模式时，才需要 CUDA 12.8 或更高版本的 NVIDIA GPU

1. 用 pip 安装 vieneu 软件包。
2. 也可以自己下载模型文件。
3. 在 Python 里使用这个软件包，或从项目的仓库启动它的网页界面。

pip install vieneu
hf download pnnbao-ump/VieNeu-TTS-v3-Turbo

如何使用：安装软件包，在 Python 里调用它。卡片还提供一个网页界面，在项目仓库文件夹里用下面的命令启动。它有一个默认声音标签页、一个克隆标签页和一个多说话人对话标签页。卡片在这里可见的部分没有完整的代码示例，所以请按它的指南操作。

uv run vieneu-web

示例：你打开网页界面，输入一句越南语，中间夹一个英文产品名，再选一个预设声音。模型用这个声音朗读这句话，并保存成 48 kHz 的音频文件。

新手与专家：如果你是新手，先从网页界面和一个预设声音开始，再用你自己拥有的音频试克隆。只克隆属于你自己或你有权使用的声音。

在 CPU 上，模型通过 ONNX Runtime 运行，不使用 PyTorch，可选的 int8 模式让 CPU 路线更快。在 CUDA 机器上，软件包会切换到 PyTorch 引擎，它会批处理请求，并让各个流共用一个调度器。卡片说一块 RTX 3060 可以同时服务 16 路流。它建立在一个单独的 48 kHz 音频编解码器和一个越南语与英语音素转换器之上。

你输入越南语或混合文字
你选一个预设声音或加入样本
模型生成语音
你保存或流式获取 48 kHz 音频

注意事项：

• 语言：越南语和英语，包括混合的句子
• 声音克隆：只使用你有权使用的声音
• 变体：Hugging Face 的记录列出了别人做的 3 个量化版本和 1 个微调版本

Title: 首段音频出现前的时间，单位毫秒
GPU streaming: 115 ms
CPU with int8: 140 ms
CPU with fp32: 300 ms

• License: apache-2.0
• Cost to run: 没有提到 API 密钥或付费服务，只需要你自己的电脑，GPU 是可选的
• Data it reaches: 下载会取回模型文件，模型会读取你的文字和你给它的任何声音样本
• Not for: 在没有使用权的情况下克隆声音，或其他语言的语音

Hugging Face 上的数据（2026年11月13日）

• 任务：text to speech
• 参数量：131M
• Weights: about 262 MB in BF16; about 65 MB at 4-bit (estimate)
• Formats: Safetensors, GGUF
• 最近 30 天下载：2,151,800
• 点赞：109
• 许可证：apache-2.0
• 语言：vi, en
• Quantized versions: 3
• Fine-tunes: 2
• 标签：onnx, safetensors, gguf, vieneu_v3_turbo, voice-cloning, code-switching, podcast, emotion-control, 48khz, text-to-speech

链接

• 模型：https://huggingface.co/pnnbao-ump/VieNeu-TTS-v3-Turbo
• 文件：https://huggingface.co/pnnbao-ump/VieNeu-TTS-v3-Turbo/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download pnnbao-ump/VieNeu-TTS-v3-Turbo

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。