kimanh2023 / xvdsdfstevbrsgwesfgesaraw

ref_text: Bây giờ chúng ta đi vào cái nội dung đầu tiên.
speed_ratio: 1
text_batches: chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam
ref_audio_path: Video Player is loading.
Current Time 00:00:000
Duration 00:00:000
Loaded: 0%
Stream Type LIVE
Remaining Time 00:00:000

1x
Chapters
descriptions off, selected
captions settings, opens captions settings dialog
captions off, selected
This is a modal window.
The media could not be loaded, either because the server or network failed or because the format is not supported.
Beginning of dialog window. Escape will cancel and close the window.
TextColorTransparency
BackgroundColorTransparency
WindowColorTransparency
Font Size
Text Edge Style
Font Family
End of dialog window.

{
  "ref_text": "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
  "speed_ratio": 1,
  "text_batches": "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
  "ref_audio_path": "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
}

Install Replicate’s Node.js client library:

npm install replicate

Import and set up the client:

import Replicate from "replicate";
import fs from "node:fs";

const replicate = new Replicate({
  auth: process.env.REPLICATE_API_TOKEN,
});

Run kimanh2023/xvdsdfstevbrsgwesfgesaraw using Replicate’s API. Check out the model's schema for an overview of inputs and outputs.

const output = await replicate.run(
  "kimanh2023/xvdsdfstevbrsgwesfgesaraw:196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94",
  {
    input: {
      ref_text: "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
      speed_ratio: 1,
      text_batches: "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
      ref_audio_path: "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
    }
  }
);

// To access the file URL:
console.log(output.url()); //=> "http://example.com"

// To write the file to disk:
fs.writeFile("my-image.png", output);

To learn more, take a look at the guide on getting started with Node.js.

Install Replicate’s Python client library:

pip install replicate

Import the client:

import replicate

Run kimanh2023/xvdsdfstevbrsgwesfgesaraw using Replicate’s API. Check out the model's schema for an overview of inputs and outputs.

output = replicate.run(
    "kimanh2023/xvdsdfstevbrsgwesfgesaraw:196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94",
    input={
        "ref_text": "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
        "speed_ratio": 1,
        "text_batches": "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
        "ref_audio_path": "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
    }
)
print(output)

To learn more, take a look at the guide on getting started with Python.

Run kimanh2023/xvdsdfstevbrsgwesfgesaraw using Replicate’s API. Check out the model's schema for an overview of inputs and outputs.

curl -s -X POST \
  -H "Authorization: Bearer $REPLICATE_API_TOKEN" \
  -H "Content-Type: application/json" \
  -H "Prefer: wait" \
  -d $'{
    "version": "kimanh2023/xvdsdfstevbrsgwesfgesaraw:196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94",
    "input": {
      "ref_text": "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
      "speed_ratio": 1,
      "text_batches": "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
      "ref_audio_path": "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
    }
  }' \
  https://api.replicate.com/v1/predictions

To learn more, take a look at Replicate’s HTTP API reference docs.

You can run this model locally using Cog. First, install Cog:

brew install cog

If you don’t have Homebrew, there are other installation options available.

Run this to download the model and run it in your local environment:

cog predict r8.im/kimanh2023/xvdsdfstevbrsgwesfgesaraw@sha256:196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94 \
  -i 'ref_text="Bây giờ chúng ta đi vào cái nội dung đầu tiên."' \
  -i 'speed_ratio=1' \
  -i 'text_batches="chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam "' \
  -i 'ref_audio_path="https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"'

To learn more, take a look at the Cog documentation.

Run this to download the model and run it in your local environment:

docker run -d -p 5000:5000 --gpus=all r8.im/kimanh2023/xvdsdfstevbrsgwesfgesaraw@sha256:196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94
curl -s -X POST \
  -H "Content-Type: application/json" \
  -d $'{
    "input": {
      "ref_text": "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
      "speed_ratio": 1,
      "text_batches": "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
      "ref_audio_path": "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
    }
  }' \
  http://localhost:5000/predictions

To learn more, take a look at the Cog documentation.

Output

Video Player is loading.

Current Time 00:00:000

Duration 00:00:000

Loaded: 0%

Stream Type LIVE

Remaining Time 00:00:000

{
  "completed_at": "2024-10-31T11:10:59.128969Z",
  "created_at": "2024-10-31T11:10:53.926000Z",
  "data_removed": false,
  "error": null,
  "id": "37x6jbkdwsrge0cjw92s7q3rhc",
  "input": {
    "ref_text": "Bây giờ chúng ta đi vào cái nội dung đầu tiên.",
    "speed_ratio": 1,
    "text_batches": "chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ",
    "ref_audio_path": "https://replicate.delivery/pbxt/LtGeLml9W1WgIFdbkb7UoHRzlBR8cuyO4WPQCawxsva51JlP/minhanh_ref_2s.wav"
  },
  "logs": "['chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ']\n(1680,)\ntext  : ['Bây giờ chúng ta đi vào cái nội dung đầu tiên. chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam']\npinyin: [['b', 'â', 'y', ' ', 'g', 'i', ' ', 'ờ', ' ', 'c', 'h', 'ú', ' ', 'n', 'g', ' ', 't', 'a', ' ', ' ', 'đ', 'i', ' ', 'v', 'à', 'o', ' ', 'c', 'á', 'i', ' ', 'n', ' ', 'ộ', 'i', ' ', 'd', 'u', 'n', 'g', ' ', ' ', 'đ', ' ', 'ầ', 'u', ' ', 't', 'i', 'ê', 'n', '.', ' ', 'c', 'h', 'à', 'o', ' ', 'm', ' ', 'ừ', ' ', 'n', 'g', ' ', 'c', 'á', 'c', ' ', 'b', ' ', 'ạ', 'n', ' ', ' ', 'đ', ' ', 'ế', 'n', ' ', 'v', ' ', 'ớ', 'i', ' ', 'c', 'ô', ' ', 'n', 'g', ' ', 'c', ' ', 'ụ', ' ', 'v', 'o', 'i', 'c', 'e', ' ', 'c', 'l', 'o', 'n', 'i', 'n', 'g', ' ', ' ', 'đ', ' ', 'ỉ', ' ', 'n', 'h', ' ', 'n', 'h', ' ', 'ấ', 't', ' ', 'v', 'i', ' ', 'ệ', 't', ' ', 'n', 'a', 'm']]\nPredicted Duration 3.8355050990357995\nPredicted Duration 359\ntensor(0., device='cuda:0')\ntensor(0.0013, device='cuda:0')\ntensor(0.0051, device='cuda:0')\ntensor(0.0115, device='cuda:0')\ntensor(0.0205, device='cuda:0')\ntensor(0.0319, device='cuda:0')\ntensor(0.0459, device='cuda:0')\ntensor(0.0622, device='cuda:0')\ntensor(0.0810, device='cuda:0')\ntensor(0.1022, device='cuda:0')\ntensor(0.1257, device='cuda:0')\ntensor(0.1514, device='cuda:0')\ntensor(0.1792, device='cuda:0')\ntensor(0.2092, device='cuda:0')\ntensor(0.2412, device='cuda:0')\ntensor(0.2752, device='cuda:0')\ntensor(0.3110, device='cuda:0')\ntensor(0.3486, device='cuda:0')\ntensor(0.3879, device='cuda:0')\ntensor(0.4287, device='cuda:0')\ntensor(0.4710, device='cuda:0')\ntensor(0.5147, device='cuda:0')\ntensor(0.5596, device='cuda:0')\ntensor(0.6056, device='cuda:0')\ntensor(0.6527, device='cuda:0')\ntensor(0.7006, device='cuda:0')\ntensor(0.7493, device='cuda:0')\ntensor(0.7987, device='cuda:0')\ntensor(0.8486, device='cuda:0')\ntensor(0.8988, device='cuda:0')\ntensor(0.9494, device='cuda:0')\nGenerated mel: torch.Size([1, 359, 100])\n(69632,)",
  "metrics": {
    "predict_time": 5.19115713,
    "total_time": 5.202969
  },
  "output": "https://replicate.delivery/czjl/Euh53Q8oW274GN3I9hM7ciZttz6aH7snJ4ZLMgojoeshvI2JA/out.wav",
  "started_at": "2024-10-31T11:10:53.937812Z",
  "status": "succeeded",
  "urls": {
    "stream": "https://stream.replicate.com/v1/files/fddq-pf4vi754udxp4lzz7o7wyyyngmhbquwqqokzwze3zawpbusqxbfq",
    "get": "https://api.replicate.com/v1/predictions/37x6jbkdwsrge0cjw92s7q3rhc",
    "cancel": "https://api.replicate.com/v1/predictions/37x6jbkdwsrge0cjw92s7q3rhc/cancel"
  },
  "version": "196a5e9297e858b56cd4d54fa90d2c4157819d52651428ff10678b2125e51d94"
}

Generated in

5.2 seconds

Tweak it ShareReport

['chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam ']
(1680,)
text  : ['Bây giờ chúng ta đi vào cái nội dung đầu tiên. chào mừng các bạn đến với công cụ voice cloning đỉnh nhất Việt Nam']
pinyin: [['b', 'â', 'y', ' ', 'g', 'i', ' ', 'ờ', ' ', 'c', 'h', 'ú', ' ', 'n', 'g', ' ', 't', 'a', ' ', ' ', 'đ', 'i', ' ', 'v', 'à', 'o', ' ', 'c', 'á', 'i', ' ', 'n', ' ', 'ộ', 'i', ' ', 'd', 'u', 'n', 'g', ' ', ' ', 'đ', ' ', 'ầ', 'u', ' ', 't', 'i', 'ê', 'n', '.', ' ', 'c', 'h', 'à', 'o', ' ', 'm', ' ', 'ừ', ' ', 'n', 'g', ' ', 'c', 'á', 'c', ' ', 'b', ' ', 'ạ', 'n', ' ', ' ', 'đ', ' ', 'ế', 'n', ' ', 'v', ' ', 'ớ', 'i', ' ', 'c', 'ô', ' ', 'n', 'g', ' ', 'c', ' ', 'ụ', ' ', 'v', 'o', 'i', 'c', 'e', ' ', 'c', 'l', 'o', 'n', 'i', 'n', 'g', ' ', ' ', 'đ', ' ', 'ỉ', ' ', 'n', 'h', ' ', 'n', 'h', ' ', 'ấ', 't', ' ', 'v', 'i', ' ', 'ệ', 't', ' ', 'n', 'a', 'm']]
Predicted Duration 3.8355050990357995
Predicted Duration 359
tensor(0., device='cuda:0')
tensor(0.0013, device='cuda:0')
tensor(0.0051, device='cuda:0')
tensor(0.0115, device='cuda:0')
tensor(0.0205, device='cuda:0')
tensor(0.0319, device='cuda:0')
tensor(0.0459, device='cuda:0')
tensor(0.0622, device='cuda:0')
tensor(0.0810, device='cuda:0')
tensor(0.1022, device='cuda:0')
tensor(0.1257, device='cuda:0')
tensor(0.1514, device='cuda:0')
tensor(0.1792, device='cuda:0')
tensor(0.2092, device='cuda:0')
tensor(0.2412, device='cuda:0')
tensor(0.2752, device='cuda:0')
tensor(0.3110, device='cuda:0')
tensor(0.3486, device='cuda:0')
tensor(0.3879, device='cuda:0')
tensor(0.4287, device='cuda:0')
tensor(0.4710, device='cuda:0')
tensor(0.5147, device='cuda:0')
tensor(0.5596, device='cuda:0')
tensor(0.6056, device='cuda:0')
tensor(0.6527, device='cuda:0')
tensor(0.7006, device='cuda:0')
tensor(0.7493, device='cuda:0')
tensor(0.7987, device='cuda:0')
tensor(0.8486, device='cuda:0')
tensor(0.8988, device='cuda:0')
tensor(0.9494, device='cuda:0')
Generated mel: torch.Size([1, 359, 100])
(69632,)

Want to make some of these yourself?

Run this model