# Cài đặt VoiceBox từ PyPI
pip install voicebox-ai

# Xác minh cài đặt
voicebox --version

# Khởi tạo ứng dụng
voicebox init --model qwen3-tts

# Sao chép kho lưu trữ
git clone https://github.com/jamiepine/voicebox.git
cd voicebox

# Tạo môi trường ảo
python -m venv .venv
source .venv/bin/activate

# Cài đặt phụ thuộc
pip install -r requirements.txt

# Cài đặt gói ở chế độ phát triển
pip install -e .

# Tải xuống mô hình giọng nói mặc định
voicebox download-models --all

# Kéo hình ảnh chính thức
docker pull jamiepine/voicebox:latest

# Chạy với hỗ trợ GPU (NVIDIA)
docker run -d \
  --name voicebox \
  --gpus all \
  -p 8000:8000 \
  -v ${HOME}/voicebox-data:/data \
  -e VOICEBOX_MODEL=qwen3-tts \
  jamiepine/voicebox:latest

# Chạy trên Apple Silicon (không cần cờ GPU)
docker run -d \
  --name voicebox \
  -p 8000:8000 \
  -v ${HOME}/voicebox-data:/data \
  -e VOICEBOX_MODEL=qwen3-tts \
  jamiepine/voicebox:latest

# Cài đặt Python 3.11+ từ Microsoft Store
# Sau đó cài đặt VoiceBox
pip install voicebox-ai

# Để tăng tốc GPU, cài đặt bộ công cụ CUDA
# Tải xuống tại: https://developer.nvidia.com/cuda-downloads

# Khởi tạo VoiceBox
voicebox init --gpu cuda

# Ghi âm thanh bằng trình ghi âm tích hợp
voicebox record --output sample.wav --duration 30

# Hoặc tải lên tệp âm thanh hiện có
voicebox clone --audio my_voice_sample.mp3 --name "my-voice"

# VoiceBox tự động xử lý âm thanh và trích xuất đặc điểm giọng

from voicebox.engine import VoiceCloner
from voicebox.audio import AudioProcessor

# Khởi tạo bộ nhân bản
cloner = VoiceCloner(model="qwen3-tts-voice-clone")

# Tải và tiền xử lý âm thanh tham chiếu
processor = AudioProcessor()
reference = processor.load_audio("sample.wav")
reference = processor.normalize(reference, target_rms=-20)
reference = processor.remove_noise(reference, method="spectral")

# Trích xuất embedding giọng
embeddings = cloner.extract_embeddings(reference)

# Tạo mô hình giọng
voice_model = cloner.create_voice(
    embeddings=embeddings,
    name="my-voice",
    quality="high"
)

# Kiểm tra giọng đã nhân bản
output = voice_model.synthesize(
    text="Xin chào, đây là giọng nói đã nhân bản của tôi.",
    speed=1.0,
    emotion="neutral"
)
voice_model.save(output, "test_output.wav")

# Kiểm soát tốc độ nói
voicebox synthesize --input script.txt --output speech.wav --speed 0.8

# Thêm sắc thái cảm xúc
voicebox synthesize --input script.txt --output emotional.wav --emotion happy

# Điều chỉnh pitch
voicebox synthesize --input script.txt --output pitched.wav --pitch +200

# Kết hợp nhiều tham số
voicebox synthesize \
  --input script.txt \
  --output natural.wav \
  --speed 1.1 \
  --pitch +100 \
  --emotion confident \
  --clarity high

from voicebox.engine import VoiceManager

manager = VoiceManager()

# Liệt kê tất cả giọng đã nhân bản
voices = manager.list_voices()
for v in voices:
    print(f"{v.name}: {v.quality} ({v.duration}s dữ liệu huấn luyện)")

# Chuyển đổi giữa các giọng
manager.set_active_voice("my-voice")
output = manager.synthesize("Xin chào từ giọng nhân bản của tôi!")

# Trộn hai giọng để tạo giọng lai
hybrid = manager.blend_voices(
    voice_a="my-voice",
    voice_b="partner-voice",
    weight_a=0.7,
    weight_b=0.3
)
output = hybrid.synthesize("Đầu ra giọng trộn")

# Kích hoạt chép toàn hệ thống
voicebox dictation --enable

# Chọn mô hình nhận diện
voicebox dictation --model whisper-large-v3

# Đặt ngôn ngữ đầu ra
voicebox dictation --language en

# Cấu hình phím nóng
voicebox dictation --hotkey "ctrl+space"

from voicebox.dictation import DictationEngine

# Khởi tạo engine chép
engine = DictationEngine(
    model="whisper-large-v3",
    language="auto",
    beam_size=5,
    vad_threshold=0.5
)

# Bắt đầu nghe
engine.start_listening(
    hotkey="ctrl+shift+d",
    output_mode="clipboard",
    append_mode=True
)

# Xử lý phiên chép
result = await engine.listen_session(
    timeout=300,           # Phiên 5 phút
    silence_threshold=1.5, # Dừng sau 1.5s im lặng
    language="en"
)

print(f"Đã phiên âm: {result.text}")
print(f"Độ tin cậy: {result.confidence:.2%}")
print(f"Số từ: {result.word_count}")

# Kích hoạt phát hiện tự động
voicebox dictation --auto-detect

# Chỉ định ngôn ngữ hỗ trợ
voicebox dictation --languages en,zh,ko,ja,es,fr,de

# Đặt ngôn ngữ chính (để chính xác hơn)
voicebox dictation --primary-language en

# Chuyển đổi văn bản thành giọng đơn giản
curl -X POST "https://your-voicebox/api/v1/tts" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Xin chào, đây là thử nghiệm chuyển văn bản thành giọng của VoiceBox.",
    "voice": "default",
    "speed": 1.0,
    "output_format": "wav"
  }' \
  --output speech.wav

# Phát âm thanh theo chunk
curl -N -X POST "https://your-voicebox/api/v1/tts/stream" \
  -H "Content-Type: application/json" \
  -d '{"text": "Âm thanh này sẽ được phát trực tiếp...", "voice": "cloned-voice"}' \
  --output - | aplay

from voicebox.api import VoiceBoxClient

client = VoiceBoxClient("https://your-voicebox")

texts = [
    "Câu đầu tiên để xử lý.",
    "Câu thứ hai với nội dung khác.",
    "Câu thứ ba bằng giọng khác.",
]

results = await client.tts.batch(
    texts=texts,
    voice="default",
    output_format="mp3",
    parallel_workers=4
)

for i, result in enumerate(results):
    print(f"Đã tạo: speech_{i}.mp3 ({result.duration:.1f}s)")

import voicebox

# TTS nhanh
result = voicebox.synthesize(
    text="Xin chào từ VoiceBox!",
    voice="default",
    output_file="hello.wav"
)

# Nhân bản giọng từ tệp âm thanh
cloned = voicebox.clone_voice(
    audio_file="sample.wav",
    voice_name="my-voice"
)

# Chép vào clipboard
voicebox.start_dictation(
    hotkey="cmd+space",
    target_app="any"
)

# Tạo âm thanh từ tệp văn bản
voicebox tts --file script.txt --output narration.wav

# Nhân bản giọng từ tập podcast
voicebox clone --audio podcast_ep1.mp3 --name "podcaster"

# Chuyển văn bản sang nhiều ngôn ngữ
for lang in en zh ko vi; do
  voicebox tts --text "Hello world" --lang $lang --output greeting_$lang.wav
done

# Xử lý hàng loạt thư mục tệp văn bản
voicebox tts-batch --input ./scripts/ --output ./audio/ --voice default

# Nhân bản giọng từ các tập podcast hiện có
voicebox clone --audio ~/podcasts/episodes/*.mp3 --name "my-podcast-voice"

# Tạo phiên bản tiếng Anh
voicebox tts --file article_en.txt --voice "my-podcast-voice" --output podcast_en.wav

# Tạo phiên bản tiếng Trung (cần dịch trước)
voicebox tts --file article_zh.txt --voice "my-podcast-voice" --output podcast_zh.wav

# Tạo phiên bản tiếng Hàn
voicebox tts --file article_ko.txt --voice "my-podcast-voice" --output podcast_ko.wav

# Ghi vài giây giọng nói tự nhiên
voicebox record --output baseline.wav --duration 10

# Nhân bản giọng
voicebox clone --audio baseline.wav --name "accessible-voice"

# Sử dụng giọng đã nhân bản cho TTS
voicebox tts --text "Tôi muốn nước vui lòng" --voice "accessible-voice" --output response.wav

# Tạo lồng tiếng cho kịch bản video
voicebox tts \
  --file video_script.txt \
  --voice "professional-narrator" \
  --speed 1.05 \
  --emotion engaging \
  --output voiceover.wav

# Thêm nhạc nền
ffmpeg -i voiceover.wav -i background_music.mp3 \
  -filter_complex "[0:a][1:a]amix=inputs=2:duration=first" \
  -output final_video_audio.mp3

# 1. Cài đặt VoiceBox
pip install voicebox-ai

# 2. Khởi tạo với mô hình mặc định
voicebox init --model qwen3-tts

# 3. Tải xuống mô hình giọng
voicebox download-models --all

# 4. Thử TTS cơ bản
echo "Hello World" | voicebox tts --output test.wav

# 5. Thiết lập chép
voicebox dictation --enable --hotkey "ctrl+space"

# 6. Khởi động giao diện web
voicebox web --port 8000