contextboxai / Kokoro-Vietnamese

Kokoro Vietnamese

Vietnamese Kokoro TTS inference model. Vietnamese G2P is handled by vig2p .

Install

git clone https://github.com/iamdinhthuan/Kokoro-Vietnamese.git
cd Kokoro-Vietnamese
pip install -e .

Install the PyTorch build that matches your machine first if you need CUDA.

Voices

Use these names with voice=... in Python or --voice ... in the CLI.

Python API

import soundfile as sf
from kokoro_vietnamese import KokoroVietnamese

tts = KokoroVietnamese(device="cuda", voice="diem_trinh")

audio, phonemes = tts.synthesize(
    "Giữa một buổi chiều yên tĩnh, cô ấy kể lại câu chuyện bằng một giọng nói ấm áp và chậm rãi."
)

sf.write("sample.wav", audio, 24000)
print(phonemes)

Use another voice:

tts = KokoroVietnamese(device="cuda", voice="mai_linh")
audio, phonemes = tts.synthesize("Hôm nay trời trong xanh, gió thổi nhẹ qua hiên nhà.")

CLI

kokoro-vietnamese \
  --text "Giữa một buổi chiều yên tĩnh, cô ấy kể lại câu chuyện bằng một giọng nói ấm áp và chậm rãi." \
  --voice diem_trinh \
  --output sample.wav \
  --device cuda

List voices:

kokoro-vietnamese --list-voices

Notes

• Text is split by sentence punctuation and merged with a short crossfade.
• The model expects Vietnamese text normalized enough for vig2p .
• The voicepacks are derived from the LarVoice multi-speaker training set and are distributed as inference artifacts.