SuperClonica es nuestro motor de síntesis de voz basado en Supertonic 3. Es más rápido en CPU y GPU, suena más limpio y funciona con los mismos archivos JSON de voz.
Se necesita Python 3.10 o posterior. Instala uno de los dos paquetes: para la CPU o para una GPU NVIDIA. Para la GPU, pip instala CUDA y cuDNN por sí mismo.
2. Descarga una voz
Abre «Mi biblioteca» y descarga el JSON de la voz. También sirven los archivos creados para Supertonic 3.
Pasa la ruta del JSON al parámetro voice. El modelo base de Supertonic 3 (unos 400 MB) se descarga en la primera ejecución.
Instala el motor rápido para Supertonic 3
Motor de síntesis de voz basado en Supertonic 3: más rápido en CPU y GPU, con un sonido más limpio y compatible con los JSON de voz de Supertonic 3.
SuperClonica es nuestro motor de síntesis de voz basado en Supertonic 3. Es más rápido en CPU y GPU, suena más limpio y funciona con los mismos archivos JSON de voz.
Los paquetes están publicados en PyPI: superclonica-cpu y superclonica-gpu-cuda.
1. Instala el paquete
Se necesita Python 3.10 o posterior. Instala uno de los dos paquetes: para la CPU o para una GPU NVIDIA. Para la GPU, pip instala CUDA y cuDNN por sí mismo.
2. Descarga una voz
Abre «Mi biblioteca» y descarga el JSON de la voz. También sirven los archivos creados para Supertonic 3.
3. Convierte texto en audio
Pasa la ruta del JSON al parámetro voice. El modelo base de Supertonic 3 (unos 400 MB) se descarga en la primera ejecución.
Instalación
CPU: Windows, macOS, Linux
python -m pip install superclonica-cpu
GPU NVIDIA: Windows o Linux x86-64
Necesita Python 3.11 o posterior y un controlador NVIDIA.
python -m pip install superclonica-gpu-cuda
Instala solo un paquete: juntos se estorban. Para cambiar, primero desinstala el anterior junto con su ONNX Runtime:
from superclonica import Superclonica
tts = Superclonica() # GPU if available, otherwise CPU
audio, sample_rate = tts.synthesize(
"Hello! Your new voice is ready.", voice="voice.json", lang="en", seed=7
)
tts.save("hello.wav", audio)
Textos largos, diálogos, voces propias y una comparación con pyttsx3 y gTTS: Texto a voz en Python.
Síntesis de voz desde la línea de comandos
superclonica --text "Hello! Your new voice is ready." --voice voice.json --lang en --output hello.wav
Con Docker
Una imagen lista con servidor HTTP y línea de comandos: superclonica/superclonica. El modelo (unos 400 MB) se descarga en el primer arranque en el volumen superclonica-models.
CPU
docker run -d -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cpu
GPU NVIDIA
Necesita el controlador NVIDIA y NVIDIA Container Toolkit.
docker run -d --gpus all -p 8000:8000 -v superclonica-models:/models superclonica/superclonica:cuda
Locución a través del servidor
La voz va en la solicitud como el propio archivo JSON. Pesa unos 0,3 MB, así que conviene preparar la solicitud en un archivo:
python -c "import json; json.dump({'text': 'Hello! Your new voice is ready.', 'lang': 'en', 'voice': json.load(open('voice.json'))}, open('request.json', 'w'))"
curl -X POST localhost:8000/synthesize -H "Content-Type: application/json" -d @request.json -o hello.wav
Clave de API, configuración, voces propias y uso en producción: API de texto a voz en Docker.