Các Phương Thức Suy Luận

infer()

audio = tts.infer(
    text: str,
    ref_audio: str = None,
    ref_codes: Tensor = None,
    ref_text: str = None,
    voice: dict = None,
    max_chars: int = 256,
    silence_p: float = 0.15,
    crossfade_p: float = 0.0,
    temperature: float = 1.0,
    top_k: int = 50,
    skip_normalize: bool = False,
)

Tham Số

Tham Số	Kiểu	Mô Tả
text	str	Văn bản cần tổng hợp
ref_audio	str	Đường dẫn âm thanh mẫu để nhân bản giọng nói
ref_codes	Tensor	Mã mẫu đã được mã hoá trước
ref_text	str	Bản ghi nội dung âm thanh mẫu
voice	dict	Dict giọng đặt sẵn từ get_preset_voice()
max_chars	int	Số ký tự tối đa mỗi chunk (mặc định 256)
silence_p	float	Thời gian im lặng giữa các chunk (giây)
crossfade_p	float	Thời gian crossfade giữa các chunk
temperature	float	Nhiệt độ lấy mẫu
top_k	int	Lấy mẫu top-k
skip_normalize	bool	Bỏ qua chuẩn hoá văn bản

Trả Về

numpy.ndarray — Sóng âm tại 24 kHz.

Thứ Tự Ưu Tiên Giọng Nói

1. Dict voice (từ preset)
2. ref_audio + ref_text
3. ref_codes + ref_text
4. Giọng preset mặc định

---

infer_batch()

audios = tts.infer_batch(texts: List[str], ...)

Trả về List[numpy.ndarray]. Chế độ PyTorch dùng batch generation thực sự; GGUF xử lý tuần tự.

---

infer_stream()

for chunk in tts.infer_stream(text: str, ...):
    phat_am_thanh(chunk)

Yield các chunk numpy.ndarray (chỉ GGUF).

---

save()

tts.save(audio: numpy.ndarray, duong_dan_output: str)

---

encode_reference()

codes = tts.encode_reference(duong_dan_am_thanh_mau: str)
# Trả về: torch.Tensor

---

close()

tts.close()
# Hoặc dùng context manager:
with Vieneu() as tts:
    audio = tts.infer(text="...")