Biblioteca de texto a voz de código abierto cuyo modelo KittenTTS 2 clona voces a partir de 5 segundos de audio y funciona en tiempo real en CPU.
16,2 mil967PythonApache-2.0Actualizado hace 4 días
OpenMOSS/MOSS-TTS-Nano
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.
Alternativa open source a:ElevenLabs
- Estrellas
- 4,517
- Forks
- 562
- Issues abiertos
- 26
- Último commit
- el mes pasado
¿Qué es?
MOSS-TTS-Nano es un modelo pequeño de texto a voz del equipo de OpenMOSS, con unos 100M de parámetros. Está pensado para implementaciones locales y ligeras que no disponen de GPU, y genera voz en tiempo real en CPU mediante un pipeline que combina un tokenizador de audio autoregresivo y un LLM.
El modelo permite clonar voces a partir de un clip de audio de referencia y genera audio a 48 kHz y dos canales. Admite 20 idiomas, entre ellos chino, inglés, japonés, coreano y varios idiomas europeos. Para clonar voces, puede dividir automáticamente los textos largos en fragmentos.
El proyecto ofrece varias opciones de uso: un script de inferencia en Python, una demo web local con FastAPI, un CLI empaquetado con los comandos generate y serve, y un backend de CPU con ONNX Runtime que no requiere PyTorch durante la inferencia. También incluye código para ajuste fino y un ejemplo de ONNX para Android.
Funciones clave
- 01Tiene aproximadamente 0,1B de parámetros y está diseñado para ejecutarse en una CPU de 4 núcleos con salida en streaming.
- 02Clona voces a partir de audio de referencia y divide automáticamente los textos largos en fragmentos.
- 03Genera audio a 48 kHz y dos canales.
- 04Admite 20 idiomas, incluidos el chino y el inglés.
- 05Backend de CPU con ONNX Runtime, sin dependencias de PyTorch durante la inferencia.
- 06Incluye una demo web, un CLI y código para ajuste fino.
Casos de uso
- Ejecutar un servicio local de texto a voz en una laptop o un servidor sin GPU.
- Añadir salida de voz con voces clonadas a un producto o prototipo ligero.
- Crear una herramienta de lectura en el navegador o sin conexión que genere voz localmente.
- Ajustar un modelo TTS multilingüe pequeño con datos de voz personalizados.
Inicio rápido
- 1
Clona el repositorio
git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git - 2
Entra en la carpeta del proyecto e instala los requisitos
pip install -r requirements.txt - 3
Instala el proyecto en modo editable
pip install -e . - 4
Ejecuta la inferencia de clonación de voz con el audio de muestra para el prompt
python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "欢迎关注模思智能、上海创智学院与复旦大学自然语言处理实验室。"
Antes de usarlo
- La instalación de dependencias como pynini y WeTextProcessing puede fallar y quizá requiera soluciones manuales.
- Los pasos de configuración con Conda y pip del README son más complejos que instalar un único paquete.
Temas
Preguntas frecuentes
- ¿Qué es MOSS-TTS-Nano?
- 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. MOSS-TTS-Nano es un modelo pequeño de texto a voz del equipo de OpenMOSS, con unos 100M de parámetros. Está pensado para implementaciones locales y ligeras que no disponen de GPU, y genera voz en tiempo real en CPU mediante un pipeline que combina un tokenizador de audio autoregresivo y un LLM.
- ¿MOSS-TTS-Nano es gratuito? ¿Qué licencia tiene?
- MOSS-TTS-Nano es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿MOSS-TTS-Nano sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de MOSS-TTS-Nano fue el 6 sept 2026.
- ¿Para qué puedo usar MOSS-TTS-Nano?
- Ejecutar un servicio local de texto a voz en una laptop o un servidor sin GPU. Añadir salida de voz con voces clonadas a un producto o prototipo ligero. Crear una herramienta de lectura en el navegador o sin conexión que genere voz localmente. Ajustar un modelo TTS multilingüe pequeño con datos de voz personalizados.
- ¿Cómo se instala MOSS-TTS-Nano?
- Clona el repositorio: git clone https://github.com/OpenMOSS/MOSS-TTS-Nano.git Entra en la carpeta del proyecto e instala los requisitos: pip install -r requirements.txt Instala el proyecto en modo editable: pip install -e . Ejecuta la inferencia de clonación de voz con el audio de muestra para el prompt: python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "欢迎关注模思智能、上海创智学院与复旦大学自然语言处理实验室。"
- ¿Dónde consigo MOSS-TTS-Nano?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/OpenMOSS/MOSS-TTS-Nano
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
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.
33,3 mil2,9 milPythonOtherActualizado hace 7 días
Familia de modelos de texto a voz de código abierto de Resemble AI, con clonación de voz a partir de un breve clip de referencia en inglés y muchos otros idiomas.
27,1 mil3,6 milPythonMITActualizado hace 3 meses
Modelo de texto a voz de código abierto, multilingüe a gran escala y zero-shot, compatible con más de 600 idiomas, clonación de voz y diseño de voces.
14,8 mil2,2 milPythonApache-2.0Actualizado hace 8 días
Sistema open source de texto a voz basado en flow matching y un Diffusion Transformer, con clonación de voz zero-shot a partir de una breve muestra de audio.
IA y Machine Learning#text-to-speech#speech-synthesis#flow-matching#diffusion-transformer#voice-cloning
15,4 mil2,3 milPythonMITActualizado hace 6 días
Modelo TTS ligero basado en ZipVoice para clonar voces y generar audio a 48 kHz, con una velocidad de más de 150 veces el tiempo real en GPU.
5,5 mil685PythonApache-2.0Actualizado hace 5 meses