---
language:
  - vi
pipeline_tag: text-to-speech
tags:
  - kokoro
  - vietnamese
  - tts
  - text-to-speech
  - vig2p
license: apache-2.0
library_name: kokoro
---

# Kokoro Vietnamese

Vietnamese Kokoro TTS inference model. Vietnamese G2P is handled by [`vig2p`](https://pypi.org/project/vig2p/).

## Install

```bash
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.

| Voice | Name |
| --- | --- |
| `diem_trinh` | Diễm Trinh |
| `hung_thinh` | Hưng Thịnh |
| `mai_linh` | Mai Linh |
| `mai_loan` | Mai Loan |
| `manh_dung` | Mạnh Dũng |
| `my_yen` | Mỹ Yến |
| `ngoc_huyen` | Ngọc Huyền |
| `phat_tai` | Phát Tài |
| `thanh_dat` | Thành Đạt |
| `thuc_trinh` | Thục Trinh |
| `tuan_ngoc` | Tuấn Ngọc |
| `storyvert` | storyvert |
| `duc_an` | Đức An |
| `duc_duy` | đức duy |

## Python API

```python
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:

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

## CLI

```bash
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:

```bash
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.