VieNeu-TTS — bản sao model cho app Tàng Công Các

Kho này là bản sao nguyên văn (mirror) các model và dữ liệu VieNeu-TTS v3 Nano và VieNeu-TTS v3 Turbo mà app đọc truyện Tàng Công Các tải về máy để đọc truyện offline. Mục đích: app tải từ một nguồn cố định, không phụ thuộc việc kho gốc đổi hay xoá file.

Mọi file đều chép y nguyên từ nguồn gốc, không sửa, không lượng tử hoá lại, không huấn luyện thêm — ngoại lệ là hai thư mục nano-static/ và nano-coreml/ (xem mục riêng bên dưới). Toàn bộ công sức tạo ra model và dữ liệu thuộc về tác giả gốc (bên dưới). Mọi ghi nhận, trích dẫn và câu hỏi về model xin gửi về kho gốc.

Nguồn gốc

Tác giả gốc: pnnbao-ump (Hugging Face) / pnnbao97 (GitHub). Model card gốc nằm ở nano/UPSTREAM_README.md và turbo/UPSTREAM_README.md.

SHA256SUMS ghi sha256 của từng file (trừ nano-static/ và nano-coreml/: sha256 nằm ở manifest.json của từng thư mục). Các file lớn đã được đối chiếu với sha256 mà Hugging Face công bố cho kho gốc, file từ GitHub được đối chiếu kích thước.

Bố cục

common/  dùng chung cho Nano và Turbo
         sea_g2p.bin            — bộ phiên âm tiếng Việt (cả hai model đọc chung)
         speaker_encoder.onnx   — đặc trưng giọng khi tạo giọng nhân bản
         denoiser.onnx          — khử nhiễu đoạn ghi âm mẫu
nano/    VieNeu-TTS v3 Nano (ONNX, flow-matching, 24 kHz)
         text_encoder · duration_predictor · vector_estimator · codec_decoder   — đọc truyện
         codec_encoder · reference_encoder                                       — tạo giọng nhân bản
         config.json · constants.npz · voices_v3_nano.json
turbo/   VieNeu-TTS v3 Turbo, chỉ bản GGUF q8_0 dùng với audio.cpp (48 kHz) + giọng đóng gói
         gguf/vieneu-v3-turbo-q8_0.gguf · gguf/voices/manifest.json · gguf/voices/<giọng>/{ref_codes,speaker.emb}.txt
nano-static/  graph tĩnh dựng lại từ Nano cho phép thử Core ML / XNNPACK trong app (xem mục riêng)
              ve_prep_T*.onnx · ve_main_T*.onnx · ve_main.weights · codec_T128.onnx · golden.npz · manifest.json · NOTICE.txt
nano-coreml/  graph tĩnh nhiều bucket dựng lại từ Nano cho thử nghiệm Core ML đọc truyện trong app (xem mục riêng)
              ve_prep_T*.onnx · ve_main_T*.onnx · ve_main.weights · codec_T*.onnx · codec.weights · golden.npz · manifest.json · NOTICE.txt

• speaker_encoder.onnx và denoiser.onnx có ở cả kho Nano lẫn kho Turbo, trùng từng byte (sha256 a6ac6a63… / b7621953…), nên chỉ giữ một bản ở common/.
• Kho Turbo gốc còn bản bf16, bản ONNX / ONNX int8 và model.safetensors. Chúng không có ở đây vì app không dùng. Cần thì lấy ở kho gốc.

nano-static/ — graph tĩnh dựng lại từ Nano (không phải bản sao nguyên văn)

Thư mục này không chép nguyên văn. Nó được sinh ra từ vector_estimator.onnx và codec_decoder.onnx của pnnbao-ump/VieNeu-TTS-v3-Nano (commit aba295eb96a6fa6003ebe417cc1f2802a7adc1dc) cho một phép thử trong app (so tốc độ Core ML / Neural Engine / XNNPACK với CPU trên iPhone). App đọc truyện bình thường không dùng các file này.

• Trọng số giữ nguyên — không lượng tử hoá, không fp16, không huấn luyện thêm. Chỉ sửa cấu trúc graph: mở mask khung thành input frame_mask, đóng băng shape (T theo bucket 128 / 234 / 256, L = 200), gấp hằng (ONNX Runtime 1.24.2 mức BASIC), đổi Where(mask, -FLT_MAX, ·) thành Add(bias), tách graph chuẩn bị / graph chính; codec: gộp Pad vào Conv, đổi BatchNormalization thành Mul + Add. Danh sách thay đổi ghi ở nano-static/NOTICE.txt.
• golden.npz là đầu vào + kết quả tham chiếu dựng trên PC từ graph gốc (5 đoạn văn mẫu, giọng mặc định) để app tự so sai lệch.
• manifest.json ghi kích thước + sha256 từng file và kết quả tự kiểm: so với graph gốc ở fp32, sai lệch nằm ở mức sàn số học (v bước 0 ≥ 121 dB, latent ≥ 111 dB, sóng âm ≥ 96 dB SNR).
• Sinh bằng script Scripts/vieneu_nano_static_export.py của app (onnx 1.23.2, onnxruntime 1.24.2, numpy 2.5.4).

nano-coreml/ — graph tĩnh nhiều bucket cho Core ML (không phải bản sao nguyên văn)

Cùng nguồn và cùng cách dựng với nano-static/ (trọng số giữ nguyên, chỉ sửa cấu trúc graph — danh sách ở nano-coreml/NOTICE.txt), dùng cho phép thử đọc truyện thật bằng Core ML trong app (vòng P1b). Khác nano-static/:

• Nhiều độ dài cố định: VE 64 / 96 / 128 / 160 khung, codec 64 / 128 / 160 khung, L = 256 token.
• Trọng số một bản dùng chung: mọi ve_main_T*.onnx trỏ ve_main.weights, mọi codec_T*.onnx trỏ codec.weights.
• Mỗi graph chính có metadata COREML_CACHE_KEY (băm nội dung) để bản biên dịch Core ML trên máy không dùng nhầm bản cũ.
• Tự kiểm khi dựng: từng đoạn mẫu chạy qua mọi bucket vừa với nó, so với graph gốc ở fp32 — v bước 0 ≥ 121 dB, latent ≥ 102 dB, sóng âm ≥ 91 dB SNR. Sinh bằng Scripts/vieneu_nano_coreml_export.py.

Giấy phép

Các model và dữ liệu gốc được phát hành theo Apache License 2.0. Kho này phát lại nguyên văn theo đúng giấy phép đó, kèm văn bản ở LICENSE. Riêng nano-static/ và nano-coreml/ là bản phái sinh: thay đổi được ghi ở NOTICE.txt của từng thư mục theo điều 4(b) của giấy phép. Kho này không thêm hay đổi điều khoản nào.