README.md

metadata

title: StyleTTS2 Text-to-Speech với Hiệu ứng Môi trường
emoji: 🎙️
colorFrom: blue
colorTo: purple
sdk: gradio
sdk_version: 4.0.0
app_file: app.py
pinned: false
license: mit
language:
  - vi
  - en
pipeline_tag: text-to-speech
tags:
  - StyleTTS2
  - Text-to-Speech
  - Vietnamese
  - Audio
  - Speech
  - TTS
  - Environment
  - Effects
  - Gradio
  - AI
  - Voice

🎙️ StyleTTS2 Text-to-Speech với Hiệu ứng Môi trường

Ứng dụng Text-to-Speech sử dụng StyleTTS2 với khả năng thêm hiệu ứng môi trường âm thanh và điều chỉnh tốc độ nói.

✨ Tính năng

• 🎤 Text-to-Speech sử dụng StyleTTS2
• 🌍 Hiệu ứng môi trường: Church, Hall, Cafe, Street, Office, Supermarket, Phone
• ⚡ Điều chỉnh tốc độ nói từ 0.5x đến 2.0x
• 🔊 Kiểm soát mức độ nhiễu (SNR)
• 📊 So sánh waveform trực quan
• 🎭 Tags cảm xúc với emoji
• 🌐 Giao diện web thân thiện

🚀 Cách sử dụng

1. Nhập văn bản

Nhập văn bản tiếng Việt vào ô text. Bạn có thể sử dụng các tags để tạo cảm xúc:

• <happy>vui vẻ</happy>
• <sad>buồn bã</sad>
• <angry>giận dữ</angry>
• <whisper>thì thầm</whisper>

2. Chọn môi trường

• Neutral: Không có hiệu ứng
• Church/Hall: Thêm reverb (tiếng vang)
• Cafe/Street/Office/Supermarket: Thêm tiếng ồn nền
• Phone: Giới hạn tần số như điện thoại

3. Điều chỉnh tham số

• Tốc độ nói: 0.5x (chậm) đến 2.0x (nhanh)
• Mức độ nhiễu: Chỉ áp dụng cho môi trường có tiếng ồn

4. Tạo giọng nói

Nhấn nút "🎵 Tạo giọng nói" để tạo audio với hiệu ứng.

🎭 Tags cảm xúc

Tag	Ý nghĩa	Emoji
<laugh>...</laugh>	Cười thoải mái	😆
<whisper>...</whisper>	Thì thầm	🤫
<naughty>...</naughty>	Tinh nghịch	😏
<giggle>...</giggle>	Cười rúc rích	😂
<tease>...</tease>	Trêu chọc	😉
<smirk>...</smirk>	Đắc ý	😼
<surprise>...</surprise>	Ngạc nhiên	😲
<shock>...</shock>	Hoảng hốt	😱
<romantic>...</romantic>	Lãng mạn	❤️
<shy>...</shy>	Bẽn lẽn	🫣
<excited>...</excited>	Phấn khích	🤩
<curious>...</curious>	Tò mò	🧐
<discover>...</discover>	Phát hiện	✨
<blush>...</blush>	Ngượng ngùng	🌸
<angry>...</angry>	Giận dữ	😡
<sad>...</sad>	Buồn	😢
<happy>...</happy>	Vui vẻ	😊
<fear>...</fear>	Sợ hãi	😨
<confident>...</confident>	Tự tin	😎
<serious>...</serious>	Nghiêm túc	😐
<tired>...</tired>	Mệt mỏi	🥱
<cry>...</cry>	Khóc	😭
<love>...</love>	Yêu thương	😍
<disgust>...</disgust>	Ghê tởm	🤢

🌍 Môi trường âm thanh

Reverb Effects

• Church: Tiếng vang trong nhà thờ
• Hall: Tiếng vang trong hội trường

Noise Effects

• Cafe: Tiếng ồn quán cà phê
• Street: Tiếng ồn đường phố
• Office: Tiếng ồn văn phòng
• Supermarket: Tiếng ồn siêu thị

Filter Effects

• Phone: Giới hạn tần số như điện thoại

📊 SNR (Signal-to-Noise Ratio)

• Giá trị cao (20-30 dB): Ít nhiễu, âm thanh rõ ràng
• Giá trị trung bình (10-20 dB): Nhiễu vừa phải
• Giá trị thấp (0-10 dB): Nhiều nhiễu, âm thanh khó nghe

⚡ Tốc độ nói

• 0.5x: Nói chậm một nửa
• 0.8x: Nói chậm một chút
• 1.0x: Tốc độ bình thường
• 1.2x: Nói nhanh một chút
• 1.5x: Nói nhanh
• 2.0x: Nói nhanh gấp đôi

🛠️ Cài đặt local

Yêu cầu hệ thống

• Python >= 3.8
• espeak-ng (cho phonemizer)

Cài đặt dependencies

pip install -r requirements.txt

Cài đặt espeak-ng

# macOS
brew install espeak-ng

# Ubuntu/Debian
sudo apt-get install espeak-ng

# Windows: Tải từ GitHub releases

Chạy ứng dụng

python app.py

🔧 Xử lý sự cố

Model không tải được

• Kiểm tra kết nối internet
• Đảm bảo có đủ RAM (tối thiểu 4GB)
• Model sẽ được tải tự động từ Hugging Face

Lỗi phonemizer

• Cài đặt espeak-ng theo hướng dẫn
• Khởi động lại ứng dụng

Âm thanh không phát được

• Kiểm tra volume hệ thống
• Thử refresh trang web
• Kiểm tra trình duyệt có hỗ trợ audio không

📝 Ghi chú

• Model được tải lần đầu có thể mất vài phút
• Hỗ trợ cả GPU và CPU (tự động chuyển đổi)
• File giọng nói tham chiếu cần có trong thư mục speakers/
• Ứng dụng tối ưu cho tiếng Việt

🤝 Đóng góp

Mọi đóng góp đều được chào đón! Vui lòng tạo issue hoặc pull request.

📄 License

Dự án này sử dụng MIT License. StyleTTS2 model tuân thủ license của tác giả gốc.

🙏 Acknowledgments

• StyleTTS2 - Model gốc
• Gradio - Web interface
• Librosa - Audio processing
• Phonemizer - Text processing