Una alternativa a StyleTTS 2 y Parler-TTS en 31 idiomas

StyleTTS 2 y Parler-TTS en resumen

Para investigación en inglés, pruebas de ajuste fino o voces descritas con palabras, los dos son herramientas serias.

• StyleTTS 2: modelos en inglés entrenados con LJSpeech y LibriTTS, código con licencia MIT y transferencia de estilo desde un clip de referencia con el modelo LibriTTS.
• Sus modelos preentrenados tienen una condición: avisar al público de que la voz es sintética salvo que tengas permiso para usar esa voz. La inferencia depende del fonemizador espeak-ng, con licencia GPL.
• Parler-TTS: Mini, de 880 millones de parámetros, y Large, de 2300 millones, en inglés, más Mini Multilingual v1.1 en ocho idiomas europeos, todos con Apache 2.0.
• Una voz de Parler-TTS se define con una descripción de género, ritmo y tono, o con uno de 34 locutores con nombre.

Compara el sonido gratis

En la página de cualquier voz, pega una frase que generaste con StyleTTS 2 o Parler-TTS, de 30 a 100 caracteres, elige el idioma y pulsa el botón para generarla. En unos segundos puedes comparar con tu propio texto, sin cuenta.

Qué hace distinto SuperClonica

Funciona en un procesador normal: en nuestras pruebas, una frase corta tardó 0,43 s en cuatro hilos de un Ryzen 7 5800X.

• 31 idiomas, entre ellos ruso, japonés, coreano, turco, hindi y árabe; el chino no está entre ellos.
• Voces listas: diez voces de serie y más de 170 voces del catálogo con demos gratis.
• Cada voz es un archivo JSON de unos 0,3 MB y habla todos los idiomas del modelo.
• Un solo comando para instalar, python -m pip install superclonica-cpu, o una imagen Docker con API HTTP.

Describir una voz o entrenarla

Parler-TTS recibe una descripción nueva en cada petición, y StyleTTS 2 adapta el estilo de un clip de referencia. En SuperClonica, una voz se entrena una vez en el estudio a partir de una grabación limpia de 5 a 10 segundos, en un ordenador con tarjeta gráfica NVIDIA, o se encarga en la bolsa de pedidos a un autor que la entrena. Después funciona en cualquier procesador y en los 31 idiomas, con un rastro del acento de la grabación original. Clona solo voces cuyos dueños estén de acuerdo.

Cuál elegir

Elige StyleTTS 2 para investigación y ajuste fino en inglés, y Parler-TTS cuando quieras describir una voz con palabras en inglés o en uno de sus ocho idiomas europeos. Elige SuperClonica para los demás idiomas, para voces listas de narradores y personajes, para velocidad en procesador y para una instalación de un comando pip o una imagen Docker.