Entrena tu propia voz TTS en tu GPU NVIDIA
Entrenar un modelo de texto a voz desde cero exige horas de grabaciones limpias y hardware serio. La mayoría no lo necesita: necesita una voz nueva con la que hable un buen modelo. Eso es lo que entrena SuperClonica: una voz para Supertonic 3, un modelo abierto y multilingüe, a partir de una sola grabación limpia de 5 a 10 segundos.
Esta guía muestra qué necesitas, cómo conectar tu ordenador con tarjeta gráfica NVIDIA como worker, cómo funciona el entrenamiento en el estudio y cómo usar o vender la voz terminada. Entrenar en tu propio hardware es gratis.
Qué se entrena y por qué es rápido
El modelo base ya sabe hablar 31 idiomas. El entrenamiento le encuentra una voz: un pequeño archivo JSON que describe el timbre y el estilo de tu grabación. Por eso basta una referencia corta, y por eso la voz terminada funciona sin conexión en un procesador normal.
Requisitos del ordenador
El cliente del worker funciona en Windows; el modo se elige en la tarjeta del worker, y en modo Auto el worker espera memoria libre y pasa a Mini después de 15 minutos.
- Windows 10/11 (64 bits), una tarjeta NVIDIA RTX serie 20 o más nueva (también sirve GTX 16), controlador 580 o más nuevo.
- Calidad completa: tarjeta gráfica con 12 GB de memoria (mejor 16 GB) y 32 GB de RAM.
- Modo Mini: 8 GB de memoria de vídeo y 16 GB de RAM; la voz sale algo menos parecida.
- 15 GB libres en disco y el archivo de paginación de Windows activado.
Paso 1: crea la voz y su referencia
En el estudio, crea una voz y añade una referencia: una grabación limpia de 5 a 10 segundos con su texto exacto, palabra por palabra. Graba en una habitación silenciosa, un solo hablante, volumen estable, con el estilo que debe tener la voz. Usa tu propia voz o la de alguien que haya dado su consentimiento.
Paso 2: conecta tu ordenador como worker
Abre Mis workers, añade un worker y descarga SuperClonicaWorker.zip: el cliente con tu worker.json, que contiene la dirección de la plataforma y tu token personal. Descomprímelo y ejecuta SuperClonicaWorker.exe. En el primer arranque descarga lo que le falta y después se actualiza solo. El worker entrena solo tus voces.
Paso 3: entrena y compara checkpoints
Pulsa Entrenar en la referencia, elige el número de pasos y empieza; la página estima cuánto tardan 500 pasos según entrenamientos anteriores. Durante el entrenamiento, compara los checkpoints por sus demos y su parecido con la referencia, y continúa entrenando el más prometedor.
Paso 4: usa o vende la voz
Descarga el JSON gratis en la página del entrenamiento y genera cualquier texto sin conexión con el motor gratuito SuperClonica: python -m pip install superclonica-cpu, y luego superclonica --text "¡Hola!" --voice mi-voz.json --lang es --output hola.wav. Si quieres, publica la voz en el catálogo con portada, descripción y precio, o acepta encargos de voces de otros usuarios en la bolsa.