Sistema open source de texto a voz con clonación de voz, control de emociones en lenguaje natural y generación multivoz, basado en modelos de tipo LLM.
33,6 mil+100 esta semana2,9 milPythonOtherActualizado hace 5 días
KoljaB/RealtimeTTS
Biblioteca de Python que convierte texto, generadores y flujos de tokens de LLM en voz con baja latencia, usando motores TTS locales y en la nube.
- Estrellas
- 4,051
- Forks
- 415
- Issues abiertos
- 126
- Último commit
- ayer
¿Qué es?
RealtimeTTS es una biblioteca de texto a voz para Python dirigida a aplicaciones que necesitan empezar a reproducir voz antes de que esté listo el texto completo. Acepta cadenas de texto, generadores y flujos de tokens de LLM; luego reproduce el audio localmente, transmite fragmentos a otro proceso o escribe archivos WAV.
La biblioteca integra una amplia variedad de motores mediante una interfaz común: voces del sistema operativo, API en la nube como OpenAI, Azure y ElevenLabs, servicios web gratuitos y modelos neuronales locales, incluidos Coqui XTTS, Kokoro y Piper. Es posible encadenar motores como alternativas para que la síntesis continúe si uno falla.
El motor recomendado es QwenEngine, que ejecuta Qwen3-TTS localmente en GPU NVIDIA o CPU y admite la clonación de voz. El modo de servidor sin interfaz gráfica ofrece acceso al mismo motor mediante una API HTTP compatible con OpenAI.
Funciones clave
- 01Convierte en audio cadenas de texto, generadores y flujos de tokens de LLM a medida que llegan.
- 02Admite decenas de motores, desde voces del sistema y API en la nube hasta modelos neuronales locales.
- 03Usa motores alternativos si falla el motor principal.
- 04Ofrece reproducción síncrona y asíncrona, con controles para pausar, reanudar y detener.
- 05Escribe archivos WAV y ofrece callbacks para el texto, los fragmentos de audio y la temporización de palabras.
Casos de uso
- Reproducir en voz alta las respuestas de un LLM mientras el modelo todavía genera texto.
- Crear asistentes de voz o chatbots con respuestas habladas de baja latencia.
- Generar archivos de audio a partir de texto por lotes, sin reproducir audio localmente.
- Probar distintos proveedores de TTS mediante una única interfaz de Python.
Inicio rápido
- 1
Instala el motor del sistema para una primera prueba local
pip install "realtimetts[system]" - 2
En Linux, instala los encabezados de PortAudio antes de los extras del motor tradicional
sudo apt-get update - 3
Instala el paquete de desarrollo de PortAudio en Linux
sudo apt-get install python3-dev portaudio19-dev - 4
Guarda el script de audio inicial y ejecútalo para escuchar el habla
Antes de usarlo
- Los extras del motor tradicional requieren tener instalados PyAudio y PortAudio primero en Linux y macOS.
- El motor Qwen recomendado requiere una GPU NVIDIA para el modo GPU y Python 3.11 o 3.12.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es RealtimeTTS?
- Biblioteca de Python que convierte texto, generadores y flujos de tokens de LLM en voz con baja latencia, usando motores TTS locales y en la nube. RealtimeTTS es una biblioteca de texto a voz para Python dirigida a aplicaciones que necesitan empezar a reproducir voz antes de que esté listo el texto completo. Acepta cadenas de texto, generadores y flujos de tokens de LLM; luego reproduce el audio localmente, transmite fragmentos a otro proceso o escribe archivos WAV.
- ¿RealtimeTTS es gratuito? ¿Qué licencia tiene?
- RealtimeTTS es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿RealtimeTTS sigue mantenido?
- Mantenimiento activo. El último commit de RealtimeTTS fue el 6 nov 2026.
- ¿Para qué puedo usar RealtimeTTS?
- Reproducir en voz alta las respuestas de un LLM mientras el modelo todavía genera texto. Crear asistentes de voz o chatbots con respuestas habladas de baja latencia. Generar archivos de audio a partir de texto por lotes, sin reproducir audio localmente. Probar distintos proveedores de TTS mediante una única interfaz de Python.
- ¿Cómo se instala RealtimeTTS?
- Instala el motor del sistema para una primera prueba local: pip install "realtimetts[system]" En Linux, instala los encabezados de PortAudio antes de los extras del motor tradicional: sudo apt-get update Instala el paquete de desarrollo de PortAudio en Linux: sudo apt-get install python3-dev portaudio19-dev Guarda el script de audio inicial y ejecútalo para escuchar el habla
- ¿Dónde consigo RealtimeTTS?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/KoljaB/RealtimeTTS
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Código de ejemplo para llamar a los modelos de voz de Alibaba Cloud Bailian para reconocimiento y síntesis de voz, y chat por voz.
42958MITActualizado hace 5 días
Modelo multilingüe de texto a voz con 0,1B de parámetros, ejecución en tiempo real en CPU, clonación de voz y salida estéreo a 48 kHz.
4,6 mil+56 esta semana576PythonApache-2.0Actualizado hace 2 meses
Proyecto de síntesis de voz basado en VITS2 que incorpora BERT multilingüe para mejorar la prosodia y la pronunciación del habla generada.
8,8 mil1,3 milPythonAGPL-3.0Actualizado hace 5 días
Familia open source de modelos de voz con IA de Microsoft: reconocimiento de voz de larga duración (ASR), text-to-speech (TTS) para varios hablantes y TTS en streaming en tiempo real.
56,7 mil+1,6 mil esta semana6,4 milPythonMITActualizado el mes pasado
Soprano es un modelo de texto a voz ultraligero que se ejecuta en el dispositivo, compatible con CUDA, CPU y MPS, y con salida en streaming.
1,6 mil140PythonApache-2.0Actualizado hace 10 meses