Dự án 'OpenVoice' của hãng công nghệ Nhật Bản SoftBank AI Lab đã chiếm vị trí số 1 trên bảng xếp hạng GitHub Trending trong 24 giờ qua, thu hút sự chú ý đặc biệt từ cộng đồng phát triển phần mềm trên toàn cầu. OpenVoice là một nền tảng tổng hợp giọng nói (Text-to-Speech - TTS) mã nguồn mở, được xây dựng dựa trên kiến trúc diffusion model, cho phép tạo ra các đoạn audio tự nhiên với chất lượng gần tương đương với các dịch vụ thương mại hàng đầu như ElevenLabs hay Amazon Polly.
Điểm mạnh vượt trội của OpenVoice là khả năng hỗ trợ đồng thời hơn 30 ngôn ngữ, bao gồm cả tiếng Việt, với độ chính xác phát âm cao. Người dùng có thể tùy chỉnh tốc độ, cao độ, cảm xúc và thậm chí là âm sắc của giọng nói thông qua các tham số đơn giản trong API. Dự án cũng tích hợp sẵn công cụ tách giọng nói (voice cloning) có kiểm soát, cho phép tạo bản sao giọng nói của một người chỉ từ 10 giây mẫu audio, kèm theo cơ chế xác thực sinh trắc học để ngăn chặn lạm dụng.
Tính đến trưa nay, OpenVoice đã đạt 32.000 stars và được fork hơn 4.500 lần. Nhiều nhà phát triển tại Việt Nam đã chia sẻ trên các diễn đàn công nghệ rằng họ đang thử nghiệm tích hợp OpenVoice vào các ứng dụng giáo dục và trợ lý giọng nói nội bộ. Phiên bản 1.2 vừa được phát hành hôm nay bổ sung tính năng xuất audio trực tiếp sang các định dạng phổ biến và tối ưu hóa hiệu suất trên GPU NVIDIA RTX 3060 trở lên.