Una alternativa a Bark y Tortoise TTS que funciona en CPU
Bark y Tortoise TTS mostraron lo natural que podía sonar la síntesis de voz de código abierto, y aún se descargan a diario. En producción cuesta convivir con ellos: Bark improvisa, Tortoise necesita una tarjeta gráfica NVIDIA y paciencia, y ninguno de los dos repositorios se actualiza desde 2024.
El motor gratuito SuperClonica ejecuta el modelo Supertonic 3 en un procesador normal, lee el texto tal como está escrito y genera textos largos con rapidez. Esta guía compara los tres con honestidad, incluso donde Bark o Tortoise siguen siendo mejores.
Por qué se busca una alternativa
Los dos son proyectos de investigación importantes; el problema llega con textos largos, muchas frases y ordenadores normales.
- Bark es un modelo de texto a audio que, según sus autores, puede desviarse del guion de formas inesperadas.
- Bark necesita unos 12 GB de memoria de vídeo, u 8 GB con sus modelos pequeños, y es mucho más lento en un procesador.
- Tortoise necesita una tarjeta gráfica NVIDIA en tu propio ordenador y se hizo para la calidad, no para la velocidad.
- Ambos repositorios se actualizaron por última vez en 2024.
Compara el sonido gratis
En la página de cualquier voz, pega una frase que hayas generado con Bark o Tortoise, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos puedes comparar, sin cuenta.
Qué cambia con SuperClonica
Un resultado predecible importa sobre todo cuando hay que revisar cientos de frases de oído.
- Se instala con un comando: python -m pip install superclonica-cpu, o como servicio HTTP con la imagen Docker.
- Una frase corta tarda bastante menos de un segundo en un procesador normal; en nuestras pruebas, 0,43 s con cuatro hilos de un Ryzen 7 5800X.
- El texto se lee tal cual, sin sonidos improvisados, y el mismo seed repite la misma toma.
- Los textos largos se dividen en pausas naturales y se unen en un solo archivo.
Presets, fragmentos y voces entrenadas
Bark ofrece más de 100 presets de locutor, pero no clona tu propia voz. Tortoise copia una voz a partir de fragmentos de referencia en cada generación, en la tarjeta gráfica. SuperClonica tiene diez voces de serie y más de 170 voces en el catálogo, cada una con demo gratis; tu propia voz se entrena una vez en el estudio de SuperClonica con una grabación limpia de 5 a 10 segundos de un locutor que haya aceptado, en un ordenador con tarjeta gráfica NVIDIA, o se encarga en la bolsa. Después funciona en cualquier procesador.
Cuándo Bark o Tortoise siguen siendo mejores
Elige Bark si necesitas risas, suspiros, música o efectos de sonido dentro del audio, o chino, que Supertonic 3 no habla. Elige Tortoise si quieres copiar una voz de unos pocos fragmentos al momento y tienes una tarjeta NVIDIA para cada generación. Elige SuperClonica para una voz limpia y predecible en 31 idiomas, en volumen y con hardware normal.