Texto a voz en Linux: TTS natural sin conexión desde la terminal
En Linux, el texto a voz suele significar espeak o Festival: rápidos, gratuitos y robóticos. Las voces neuronales suenan humanas, pero casi todas viven en la nube. El motor gratuito SuperClonica lleva un modelo neuronal, Supertonic 3, a tu equipo Linux: funciona sin conexión en un procesador normal y habla 31 idiomas.
Esta guía muestra cómo instalarlo en un entorno virtual, generar voz desde la terminal, leer en voz alta el texto seleccionado con un atajo de teclado y elegir voces.
Qué necesitas
A diferencia de espeak o Festival, es un modelo neuronal, así que el habla suena natural, y aun así no necesita internet tras la primera ejecución.
- Una distribución Linux moderna de 64 bits con Python 3.10 o posterior.
- Unos 400 MB de disco para el modelo Supertonic 3, que se descarga una vez.
- Sin tarjeta gráfica: una NVIDIA solo lo acelera.
- Una voz: las diez voces integradas, de M1 a M5 y de F1 a F5, o un archivo JSON del catálogo.
Instalación en un entorno virtual
Muchas distribuciones ya no permiten que pip instale en el Python del sistema, así que usa un entorno virtual: python3 -m venv ~/.venvs/tts && ~/.venvs/tts/bin/python -m pip install superclonica-cpu. El comando será ~/.venvs/tts/bin/superclonica; añade esa carpeta al PATH o crea un alias. Con una tarjeta gráfica NVIDIA, instala en su lugar superclonica-gpu-cuda: pip trae CUDA y cuDNN por sí mismo.
Voz desde la terminal
El modelo se descarga en la primera ejecución; después el motor funciona sin red.
- Una frase: superclonica --text "Hola desde Linux." --voice F1 --lang es --output hello.wav && aplay hello.wav.
- Un archivo entero: --text-file articulo.txt en lugar de --text; los textos largos se dividen en pausas naturales y se unen en un solo WAV.
- Reproduce el resultado con aplay, paplay o pw-play, según tu sistema de sonido.
- En un equipo cargado, limita los hilos del procesador con --threads 4.
Leer la selección con un atajo
Guarda un pequeño script y asígnale un atajo de teclado en la configuración del escritorio: xclip -o > /tmp/sel.txt (en Wayland: wl-paste -p > /tmp/sel.txt), y luego superclonica --text-file /tmp/sel.txt --voice F1 --lang es --output /tmp/sel.wav && aplay /tmp/sel.wav. Selecciona texto en cualquier ventana, pulsa el atajo y el motor lo lee en voz alta. Cambia --lang y la voz para leer otros idiomas.
Voces y un servidor
Cada voz del catálogo de SuperClonica tiene una página donde puedes generar gratis en línea una frase de 30 a 100 caracteres. Las voces gratuitas se descargan sin cuenta, y las de pago se compran una vez y quedan tuyas como un archivo JSON que pasas con --voice. Para otros programas de tu red, la imagen superclonica/superclonica de Docker Hub ejecuta el mismo motor como servidor HTTP.