Cài đặt Nari SoproTTS trên Windows bằng Conda

Giới thiệu

Sopro (bắt nguồn từ từ “hơi thở/luồng hơi” trong tiếng Bồ Đào Nha) là một dòng mô hình chuyển đổi văn bản thành giọng nói (TTS) có khả năng sao chép giọng nói và sở hữu trọng lượng nhẹ. Kho lưu trữ này cung cấp sopro-v2-turbo – một mô hình mã nguồn mở với 120 triệu tham số, hỗ trợ xử lý luồng (streaming), vận hành mượt mà trên CPU máy tính xách tay hoặc ngay trong trình duyệt, đồng thời đạt chất lượng độ rõ nét ngang tầm các hệ thống lớn hơn nhiều (đạt chuẩn SOTA).

GitHub: https://github.com/samuel-vitorino/sopro
Hugging Face: https://hf.co/samuel-vitorino/sopro-v2-turbo
Demo: https://hf.co/spaces/samuel-vitorino/sopro-v2-turbo-tts
Example: https://samuel-vitorino.github.io/sopro/

Các tính năng chính:

120 triệu tham số
Hỗ trợ tiếng Anh, tiếng Bồ Đào Nha (châu Âu), tiếng Pháp và tiếng Đức
Phát trực tuyến (streaming) với thời gian tạo đoạn âm thanh đầu tiên khoảng 300 ms trên CPU máy tính xách tay
Sao chép giọng nói “zero-shot” (không cần huấn luyện thêm) từ 5-20 giây âm thanh tham chiếu
Tốc độ xử lý (RTF): 0,24 (ngoại tuyến) / 0,21 (trực tuyến) trên CPU M3; 0,07 trên GPU H100
Chạy trực tiếp trên trình duyệt thông qua môi trường thực thi ONNX (ONNX runtime)

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 4GB 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. Nó chạy mượt mà trên CPU của máy tính xách tay.
Internet: Để tải xuống các thư viện phụ thuộc và mô hình từ Hugging Face Hub.

Environment	Run this Command
CPU only	pip3 install torch torchvision
CUDA 11.8	pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118
CUDA 12.1	pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu121
CUDA 12.6	pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu126
CUDA 12.8	pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu128
CUDA 13.0	pip3 install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu130

PyTorch

Lưu ý: Kiểm tra phiên bản CUDA bằng lệnh

nvidia-smi

PyTorch

Video hướng dẫn

Sắp ra mắt!

Bước 1. Cài đặt Miniconda

Tải xuống Miniconda: https://www.anaconda.com/download/success?reg=skipped

Liên kết trực tiếp: https://anaconda.com/api/installers/Miniconda3-latest-Windows-x86_64.exe

Cài đặt Miniconda trên Windows

Bước 2. Tạo môi trường Conda

Tạo tệp environment.yml:

name: soprotts
channels:
  - conda-forge
  - defaults
dependencies:
  # Python version (requires >= 3.10)
  - python=3.10

  - pip
  - pip:
      # PyTorch CUDA is optional. It runs smoothly on a laptop CPU.
      # - --extra-index-url https://download.pytorch.org/whl/cu126
      - torch
      - torchaudio

      # Install SoproTTS directly from GitHub.
      - git+https://github.com/samuel-vitorino/sopro.git

Kích hoạt môi trường conda:

conda env create -f environment.yml
conda activate soprotts

Tải xuống bản ghi âm tham khảo

curl -L -O "https://github.com/thewh1teagle/zipvoice-onnx/releases/download/model-files-v1.0/prompt_english_female1.wav"

Mẫu âm thanh tham khảo: prompt_english_female1.wav

Bước 3. Chạy suy luận

Bây giờ, hãy chạy thử một vài ví dụ.

soprotts "Sopro is a lightweight 120 million parameter text-to-speech model that streams and runs on device." --ref prompt_english_female1.wav --out out.wav

Kết quả sẽ là tệp âm thanh out.wav

Khởi chạy Giao diện Web (Gradio Web UI)

Sau khi cài đặt xong, bạn có thể chạy mô hình và mở bản demo bằng một lệnh duy nhất:

soprotts serve

Mở trình duyệt và truy cập vào địa chỉ http://127.0.0.1:7860 để bắt đầu sử dụng. Hệ thống sẽ tự động tải các file Model (Trọng số cấu hình mã nguồn) từ HuggingFace trong lần đầu chạy.

Qwen3-TTS Supertonic-3