tiny-voca español

Un modelo de texto a voz en español de 4,5 millones de parámetros, con dos voces, entrenado desde cero. Esta página lo ejecuta en tu navegador: lo que escribes no sale de tu dispositivo.

A 4.5M-parameter Spanish text-to-speech model, trained from scratch. It runs here, in your browser.

Cargando…
4.534.411parámetros, generador de onda incluido
21 MBarchivo del modelo (ONNX, float32)
24 kHzaudio mono
2 vocesF2 y M2, castellano
22,7 horasde voz sintética de entrenamiento
Apache-2.0código y pesos

Cómo funciona

  1. eSpeak NG 1.52.0, compilado a WebAssembly, convierte el texto en fonemas.
  2. Un pequeño codificador predice la duración, el tono y la energía de cada fonema.
  3. Un generador de onda de fuente y filtro produce el audio: pulsos armónicos con ruido por encima del segundo y del 33.º armónico.
  4. ONNX Runtime Web ejecuta el modelo en tu procesador, frase a frase, y el audio empieza a sonar con la primera.

La primera visita descarga unos 23 MB (el modelo desde Hugging Face y eSpeak NG); las siguientes arrancan sin red. Las palabras extranjeras y los nombres poco comunes a menudo se pronuncian mal. Los acentos rioplatense y caribeño cambian solo los fonemas: las voces se entrenaron en castellano.

Úsalo en tu equipo

git clone https://github.com/stdevMac/tiny-voca
cd tiny-voca
./run-es.sh        # instala, descarga el modelo y abre http://127.0.0.1:8000

Necesita Python 3.10+ y espeak-ng 1.52.0 (macOS: brew install espeak-ng). El modelo, el entrenamiento y los datos están documentados en el repositorio.