VieNeu-TTS
pnnbao-ump基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗DISCOVER & COMPARE
AIモデルを探す 9
VieNeu-TTS-0.3B
pnnbao-ump基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-0.3B-q4-gguf
pnnbao-ump**VieNeu-TTS-0.3B-Q4-0-GGUF** is a **Q4_0** quantized version of VieNeu-TTS-0.3B. This model is specifically optimized to run directly on the **CPU**, providing extremely fast speech synthesis without the need for a dedicated GPU. Training high-quality TTS models requires significant GPU resources. If you find this model useful, please consider supporting the development: eSpeak NG is **mandatory** for phonemization. - **Windows:** Download `.msi` from eSpeak NG Releases. - **macOS:** `brew install espeak` - **Linux:** `sudo apt install espeak-ng`
翻訳待ち・原文を表示
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-q4-gguf
pnnbao-ump基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-v2
pnnbao-ump**VieNeu-TTS-v2** is the next generation of Vietnamese TTS, designed for **Natural Communication**, **Podcasts**, and **Bilingual (En-Vi) Code-switching**. > [!IMPORTANT] > **What's new in V2:** > - **10,000+ Hours Data:** Trained on a massive bilingual dataset for unparalleled naturalness. > - **Multi-Speaker Conversation:** Support for podcast-style scripts with distinct voices and emotional nuances. > - **Seamless Code-switching:** High-quality English integration within Vietnamese sentences. > - **Instant Voice Cloning:** Still supports cloning with just **3-5 seconds** of audio. This project features the flagship **VieNeu-TTS-v2** architecture: - **VieNeu-TTS-v2 (0.3B):** Optimized for high-fidelity bilingual speech and long-form content. - **VieNeu-TTS-v2-Turbo:** Optimized for ultra-low latency and CPU deployment using GGUF.
翻訳待ち・原文を表示
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-v2-Turbo
pnnbao-ump基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基本情報を収録・詳細は順次追加
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-v2-Turbo-GGUF
pnnbao-ump基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-v3-Nano
pnnbao-ump> [!WARNING] > **Preview release — still under active testing.** VieNeu-TTS v3 Nano is an experimental, lightweight model. It has known shortcomings (see *Limitations* below), its quality is **noticeably lower than v3 Turbo**, and weights, voices and the API may still change between revisions. **VieNeu-TTS v3 Turbo remains the default and recommended model.** Reach for Nano only when Turbo is too slow on your hardware or when you are deploying on a phone / edge device. **VieNeu-TTS v3 Nano** is a **48M-parameter flow-matching TTS model** for Vietnamese, built for **edge devices and weak CPUs**: old laptops, mini PCs, ARM single-board computers and Android phones. It ships as a handful of small **ONNX** graphs (≈280 MB at runtime), runs **torch-free on ONNX Runtime**, loads in about 3 seconds and synthesizes at roughly **3× the speed of v3 Turbo** on the same CPU. It is a different architecture from v3 Turbo (a non-autoregressive flow model instead of an LLM-style autoregressive backbone), which is where the speed comes from — and also where the quality gap comes from. It supports **6 built-in preset voices**, inline **emotion cues** (`[cười]`, `[thở dài]`, `[hắng giọng]`) and outputs **24 kHz** audio.
翻訳待ち・原文を表示
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗VieNeu-TTS-v3-Turbo
pnnbao-ump**VieNeu-TTS v3 Turbo** is the next generation of Vietnamese TTS — **48 kHz** high-fidelity speech, **23 built-in preset voices** across three regions (North / Central / South), **instant voice cloning**, **real-time streaming** with an **OpenAI-compatible API** (16 concurrent streams on one RTX 3060), inline **emotion cues**, and seamless **bilingual (En–Vi) code-switching**. The reference implementation is the **`vieneu` Python SDK (v3.7.1)**. Its minimal install is **torch-free**: on CPU everything runs on **ONNX Runtime** (PyTorch is never imported), and on a CUDA machine it auto-switches to the PyTorch engine with **automatic batching** and a **continuous-batching stream scheduler** — same API, no code change. > [!IMPORTANT] > **What's new in SDK v3.7:** > - **GPU streaming with continuous batching** — `infer_stream` on CUDA runs on one CUDA graph shared by every caller: first audio in **~115 ms**, **16 concurrent streams under 200 ms** on a single RTX 3060 (32 max). > - **OpenAI-compatible streaming API + Docker** — `POST /v1/audio/speech` (`pcm`/`wav`, chunked or SSE) works with the OpenAI SDK, Pipecat, LiveKit; `docker compose --profile api-gpu` / `api-cpu`. Numbers, sizing and CPU-only notes: docs/streaming.md. > - **23 preset voices** covering North / Central / South, both genders and several reading characters (default: `Minh Quân`). > - **LoRA fine-tuning** of v3 Turbo on one consumer GPU. > - Since 3.3: torch-free voice cloning on CPU, optional **int8** CPU backbone (`Vieneu(precision="int8")`, ~2× faster; fp32 is the default), sliding-window repetition penalty.
翻訳待ち・原文を表示
入力 テキスト→ 出力 音声
料金未確認マルチモーダル・チャネル料金は個別に確認
詳細を見る ↗該当するモデルがありません
提供元・分類・入出力の条件を変更してください。新しいモデルを随時追加しています。
COST EXPLORER
モデル選びに、費用の視点も。
月間トークン数を調整してAPI費用を比較。
1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較
同一チャネルの基本テキスト料金を比較
収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。
MODEL HANDBOOK
モデルを理解して選ぶ
API料金はどう比較しますか？+
入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。
オープンウェイトは無料で商用利用できますか？+
必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。
ランキング1位が最適ですか？+
順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。