Cài đặt Korva TTS bằng Conda

Giới thiệu

KorvaTTS là hệ thống text-to-speech mã nguồn mở tập trung vào tiếng Việt có code-switching (câu tiếng Việt chứa từ tiếng Anh, tên thương hiệu, thuật ngữ kỹ thuật). Toàn bộ chạy on-device qua ONNX Runtime: không cần GPU, không gọi API, âm thanh 44.1 kHz.

GitHub: https://github.com/dogenthq/KorvaTTS
Hugging Face: https://hf.co/collections/dogenthq/KorvaTTS
Demo Page: https://hf.co/spaces/hugging-apps/korvatts-demo
Try it online: https://heykorva.com

Model là bản re-implement của chúng tôi theo kiến trúc Supertonic 3 (99M tham số, flow-matching TTS), train từ đầu trên dữ liệu tiếng Việt, với vocoder dựa trên BlueCodec. Nhóm tác giả Supertonic đang archive repo gốc; KorvaTTS tiếp nối hướng đi này với trọng tâm tiếng Việt và lộ trình mở hướng tới voice cloning và training.

🌐 Dùng thử ngay trên trình duyệt — không cần cài đặt: heykorva.com

Điểm nổi bật

• 🇻🇳 Ưu tiên tiếng Việt — huấn luyện trên audiobook tiếng Việt cộng thêm bộ dữ liệu code-switching riêng
• 🔀 Code-switching — từ tiếng Anh nằm trong câu tiếng Việt được đọc tự nhiên
• ⚡ Nhanh trên CPU — real-time factor nhỏ hơn 1 trên CPU laptop; GPU là tuỳ chọn
• 🔊 Xuất WAV 44.1 kHz, không cần upsampler ngoài
• 🧩 Tương thích trực tiếp với các runtime Supertonic 3 (xem Tương thích)
• 🪪 Apache-2.0 cho cả code lẫn weight

Yêu cầu hệ thống

• Hệ điều hành: Windows 10/11 (64-bit), macOS hoặc Linux (Debian/Ubuntu).
• Python: Yêu cầu phiên bản >= 3.10
• Dung lượng ổ cứng: Khuyến nghị 5GB trở lên (cho các thư viện phụ thuộc và bộ nhớ cache mô hình). Ít nhất 400 MB cho Miniconda; 3 GB trở lên cho Anaconda đầy đủ.
• GPU: là tùy chọn nhưng RẤT KHUYÊN DÙNG để tăng hiệu suất.
• Internet: Để tải xuống các thư viện phụ thuộc và mô hình từ Hugging Face Hub.

ONNX Runtime không phát hành bản build riêng cho từng tag cuXXX như PyTorch. Chỉ có 3 nhóm build, nên danh sách của bạn gộp lại như sau:

Video hướng dẫn

Sắp ra mắt!

Bước 1. Cài đặt Miniconda

Bước 2. Tạo môi trường Conda

Tạo tệp environment.yml:

name: korvatts
channels:
- conda-forge
- defaults

dependencies:
# Python version (requires >= 3.10)
- python=3.10

- pip
- pip:
    # Install KorvaTTS directly from PyPI
    - korvatts

name: korvatts
channels:
- conda-forge
- defaults

dependencies:
# Python version (requires >= 3.10)
- python=3.10

- pip
- pip:
    # GPU version of ONNX runtime
    # This is for < CUDA 12.x
    # - onnxruntime-gpu==1.20.*

    # This is for CUDA 12.x
    - onnxruntime-gpu[cuda,cudnn]<1.27

    # This is for CUDA 13.x
    # - onnxruntime-gpu[cuda,cudnn]>=1.27

    # Install KorvaTTS directly from PyPI
    - korvatts

name: korvatts
channels:
- conda-forge
- defaults

dependencies:
# Python version (requires >= 3.10)
- python=3.10

- pip
- pip:
    # Install KorvaTTS directly from PyPI
    - korvatts

Kích hoạt môi trường conda:

conda env create -f environment.yml
conda activate korvatts

Tải xuống các trọng số

korvatts voices

Bước 3. Chạy suy luận

Command Line Interface

Bây giờ, hãy chạy lệnh cơ bản để tổng hợp giọng nói:

korvatts synth "Xin chào, đây là KorvaTTS." -v khanh_vy -o hello.wav

Kết quả sẽ là tệp âm thanh output.wav

Chạy suy luận bằng tệp Python

Tạo một tệp có tên korva_test.py:

from korvatts import TTS

tts = TTS()  # first run downloads weights + voices from Hugging Face
print(tts.list_voices())

wav, duration = tts.synthesize(
    "Hôm nay team mình sẽ demo tính năng text-to-speech mới.",
    voice="khanh_vy",
    lang="vi",
    total_steps=32,  # default; best quality. Lower (8-16) for faster synthesis
    speed=1.05,      # default; 0.5 (slow) .. 2.0 (fast)
)
tts.save_audio(wav, "output.wav")

Chạy tập lệnh để chuyển đổi văn bản thành giọng nói:

python korva_test.py

Kết quả sẽ là tệp âm thanh output.wav

Bảng tổng hợp lỗi và cảnh báo

Thông tin quan trọng khác

• Sửa lại một chi tiết trước đó: lệnh đăng nhập Hugging Face bản mới là hf auth login, không phải huggingface-cli login.