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.
- Audio
- –
- Tiempo de generación
- –
- Velocidad
- –
- Texto a fonemas
- –
Fonemas
Tomas · takes
Cómo funciona
- eSpeak NG 1.52.0, compilado a WebAssembly, convierte el texto en fonemas.
- Un pequeño codificador predice la duración, el tono y la energía de cada fonema.
- Un generador de onda de fuente y filtro produce el audio: pulsos armónicos con ruido por encima del segundo y del 33.º armónico.
- 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.