Readme
VieNeu-TTS v3 Turbo
Vietnamese (and bilingual) text-to-speech with instant voice cloning, powered by VieNeu-TTS.
48 kHz high-fidelity speech, 25 built-in preset voices, optional zero-shot cloning from a short reference clip, and experimental emotion tags like [cười], [thở dài], [hắng giọng].
Examples
Preset voice
Input
- text: Xin chào! Đây là giọng đọc VieNeu-TTS v3 Turbo trên Replicate.
- voice: Hải Đăng
Output: 48 kHz WAV in the Hải Đăng preset voice.
With emotion cue
Input
- text: [cười] Trời ơi, cái giọng nó tự nhiên quá. Giờ thì tha hồ mà quẩy content nhé!
- voice: Mai Anh
Output: Natural Vietnamese speech with a chuckle cue.
Instant voice cloning
Input
- text: Đây là giọng được nhân bản tức thì từ một đoạn thu âm ngắn.
- ref_audio: a clean 3–8s reference WAV of the target speaker
- denoise: true
Output: Cloned-speaker WAV at 48 kHz.
Inputs
| Name | Type | Default | Description |
|---|---|---|---|
text |
string | required | Vietnamese / bilingual text (supports [cười], [thở dài], [hắng giọng]) |
voice |
choice | Hải Đăng |
One of 25 built-in preset voices |
ref_audio |
file | optional | 3–8s reference clip for cloning (overrides voice) |
denoise |
bool | true |
Denoise / trim the reference before cloning |
temperature |
float | 0.8 |
Sampling temperature |
top_k |
int | 25 |
Top-k sampling |
top_p |
float | 0.95 |
Nucleus sampling |
repetition_penalty |
float | 1.2 |
Repetition penalty |
max_chars |
int | 256 |
Max characters per synthesis chunk |
Tips
- Start with editors’ picks: Hải Đăng, Mai Anh, Trúc Ly, Adam bựa, Ngọc Lý / Ngọc Huyền.
- Keep clone references short (3–8s), clean, and mostly continuous speech.
- Long text is chunked automatically via
max_chars.