👉 Google Colab / F5-TTS-VN-hynt.ipynb

---

🎯 Tính năng chính

Tính năng	Mô tả
Text-to-Speech	Chuyển đổi văn bản tiếng Việt thành giọng nói tự nhiên
Voice Cloning	Nhân bản giọng nói từ mẫu âm thanh reference
Tốc độ linh hoạt	Tùy chỉnh tốc độ phát âm theo nhu cầu
Tạo khoảng lặng	Tùy chỉnh khoảng im lặng bất kì trong văn bản đầu vào, tăng chân thật

---

⚙️ Yêu cầu hệ thống

📊 Phần cứng

• GPU: vì dùng CPU rất chậm và không ổn định (T4 trở lên trên Google Colab)

📁 Model files

Đảm bảo có đủ các file sau: model_last.pt, config.json

Nguồn tải về:

• 📂 Google Drive
• 🤗 Hugging Face

---

🚀 Hướng dẫn sử dụng

Bước 1: Chuẩn bị môi trường

# Chuyển Runtime sang GPU trong Google Colab
# Thời gian khởi động: 2-3 phút

Bước 2: Chuẩn bị model

Chọn một trong hai phương pháp:

🔗 Phương pháp 1: Mount Google Drive (Khuyên dùng)

1. Thêm thư mục Models vào "My Drive"
2. Chạy mount Google Drive

📥 Phương pháp 2: Clone model

• Tải trực tiếp từ repository
• Lưu ý: Chậm hơn và kém ổn định

Bước 3: Chọn nguồn model

• Google Drive: Cần cấu hình đường dẫn
• Hugging Face: Tự động, không cần cấu hình

Bước 4: Khởi động ứng dụng

# Thời gian khởi động lần đầu: 2-3 phút
# Chờ đến khi xuất hiện URL: https://xxxxxxxxxxx.gradio.live

---

🎛️ Giao diện người dùng

Các thành phần chính

Thành phần	Mô tả	Ghi chú
Sample Voice	Upload file âm thanh ref_audio	6-15 giây, chất lượng cao, không tạp âm
Text	Nhập gen_text cần chuyển đổi	sửa app.py bỏ/tăng giới hạn 10000 words
Reference Text	Nội dung của ref_audio	Nếu ref_audio rõ ràng thì nên bỏ trống, auto transcribe
Generate Voice	Nút bắt đầu chuyển đổi	Kết quả hiển thị phía dưới

---

🔇 CÚ PHÁP TẠO KHOẢNG IM LẶNG

🎯 TÍNH NĂNG ĐẶC BIỆT: F5-TTS Vietnamese hỗ trợ tạo khoảng im lặng có chủ đích trong văn bản!

---

🎵 Định dạng chuẩn

<<<sil#{number_milisecond}>>>

Thông số	Mô tả	Phạm vi
number_milisecond	Thời gian im lặng (mili giây)	100 - 20,000 ms
Làm tròn	Tự động làm tròn số	110→100, 150→200, 9990→10000

---

🎯 Ví dụ sử dụng

✅ CÁC CÁCH DÙNG ĐÚNG

# Khoảng lặng 1 giây
Xin chào <<<sil#1000>>> các bạn!

# Khoảng lặng 2 giây
Câu đầu tiên. <<<sil#2000>>> Câu thứ hai.

# Khoảng lặng 500ms
Đây là <<<sil#500>>> một ví dụ ngắn.

# Khoảng lặng trong văn bản dài
Chương một <<<sil#1500>>> nói về lịch sử. <<<sil#1000>>> Chương hai <<<sil#2000>>> nói về tương lai.

❌ CÁC CÁCH DÙNG SAI

# SAI: Thiếu khoảng trắng trước
Xin chào<<<sil#1000>>> các bạn!

# SAI: Thiếu khoảng trắng sau  
Xin chào <<<sil#1000>>>các bạn!

# SAI: Thiếu cả hai khoảng trắng
Xin chào<<<sil#1000>>>các bạn!

# SAI: Chèn giữa từ (gây phát âm sai)
tuoi <<<sil#1000>>> tre.com  # Đọc: "Tuổi tê rờ e chấm cơm"

---

🚨 QUY TẮC QUAN TRỌNG

⚠️ Quy tắc	Mô tả	Ví dụ
Khoảng trắng bắt buộc	Phải có space trước và sau	text <<<sil#1000>>> text
Không tách từ	Không chèn giữa từ/cụm từ	❌ VN <<<sil#1000>>> ESE
Số dương	Chỉ dùng số nguyên dương	100-20,000
Cú pháp chính xác	Đúng format với dấu < > #	<<<sil#1000>>>

---

💡 CÁC TRƯỜNG HỢP LỖI THƯỜNG GẶP

🔴 Lỗi cú pháp - Kết quả: "Bé hơn bé hơn bé hơn ét i lờ..."

<<<sil#1000>>>-          # Có ký tự không phải space
<<<sil#-1000>>>         # Số âm
<<<sil#>>>              # Thiếu số
<<<silnce#1000>>>       # Sai chính tả
<<<si#1000>>>           # Thiếu chữ 'l'
<<sil#1000>>            # Thiếu dấu <
<<<sil@1000>>>          # Sai ký tự @

---

🎯 TIPS SỬ DỤNG HIỆU QUẢ

📝 Các tình huống thực tế:

# Tạo nhịp cho bài thơ
Mùa xuân đến rồi <<<sil#1000>>> 
Hoa nở khắp nơi <<<sil#1500>>>
Chim ca líu lo <<<sil#1000>>>
Lòng ta vui thơ <<<sil#2000>>>

# Tạo khoảng lặng trong bài thuyết trình
Xin chào mọi người! <<<sil#1000>>> Hôm nay tôi sẽ trình bày về <<<sil#500>>> công nghệ AI.

# Tạo hiệu ứng kịch tính
Và kết quả là <<<sil#2000>>> thành công hoàn toàn!

---

📊 BẢNG THỜI GIAN THAM KHẢO

Thời gian	Ứng dụng	Ví dụ
100-300ms	Ngắt nhẹ	Dấu phẩy <<<sil#200>>> ngắt câu
500-1000ms	Ngắt vừa	Kết thúc câu <<<sil#800>>> bắt đầu câu mới
1000-2000ms	Ngắt rõ ràng	Chuyển chủ đề <<<sil#1500>>> nội dung mới
2000ms+	Ngắt dài	Hiệu ứng kịch tính <<<sil#3000>>>

---

💡 MẸO: Sử dụng khoảng im lặng giúp văn bản nghe tự nhiên hơn, tạo nhịp điệu và dễ theo dõi!

---

🔧 Xử lý sự cố

Vấn đề	Nguyên nhân	Giải pháp
Lỗi OOM	Thiếu bộ nhớ	Giảm batch size hoặc độ dài text
Model không load	Đường dẫn sai	Kiểm tra đường dẫn file model
Chất lượng âm thanh kém	File reference kém	Sử dụng file âm thanh chất lượng cao

---

📊 Hiệu suất

Thống kê thực tế: Với văn bản Lão Hạc (~16,000 ký tự) trên T4 GPU Google Colab:

• ⏱️ Thời gian xử lý: 20 phút
• 🔊 Đầu ra: Audio dài 20 phút

---

🌐 Nguồn tham khảo

Repositories

• 📂 F5-TTS-Vietnamese
• 🤗 Hugging Face Space

Models

• 🤗 F5-TTS-Vietnamese-ViVoice

---

🚧 Tính năng đang phát triển

• NGROK API Server: Đang cập nhật...

---

---

title: F5 TTS Vietnamese 100h Demo emoji: 💻 colorFrom: yellow colorTo: blue sdk: gradio sdk_version: 5.36.2 app_file: app.py pinned: false

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference

source:

• https://github.com/nguyenthienhy/F5-TTS-Vietnamese
• https://huggingface.co/spaces/hynt/F5-TTS-Vietnamese-100h
• https://huggingface.co/hynt/F5-TTS-Vietnamese-ViVoice