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.
54,9 mil6,2 milPythonMITActualizado hace 12 días
ekwek1/soprano
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.
- Estrellas
- 1,618
- Forks
- 138
- Issues abiertos
- 19
- Último commit
- hace 9 meses
¿Qué es?
Soprano es un modelo de texto a voz basado en una arquitectura compacta de 80 millones de parámetros, diseñado para sintetizar voz en inglés con rapidez y alta fidelidad en hardware de consumo. Genera audio a 32 kHz, admite streaming de baja latencia tanto en CPU como en GPU y divide automáticamente los textos largos para que la longitud de la salida no esté limitada.
El proyecto ofrece varias formas de ejecutarlo: una WebUI, una CLI, un endpoint de voz compatible con OpenAI servido con uvicorn y una API de Python con inferencia por lotes y en streaming. Funciona con CUDA, CPU y Apple MPS en Windows, Linux y Mac, y ofrece un backend opcional de lmdeploy para GPU NVIDIA. El proyecto enlaza integraciones comunitarias para ONNX y ComfyUI.
Actualmente, Soprano solo admite inglés y no ofrece clonación de voz. Se entrenó con unas 1.000 horas de audio, por lo que puede pronunciar mal las palabras poco comunes. El ajuste fino se realiza con el proyecto independiente Soprano-Factory.
Funciones clave
- 01Genera voz a 32 kHz en dispositivos con CPU, CUDA y Apple MPS.
- 02Transmite audio con baja latencia y divide automáticamente los textos largos.
- 03Ofrece una WebUI, una CLI, una API de Python y un endpoint de voz compatible con OpenAI.
- 04Admite inferencia por lotes para procesar muchas oraciones a la vez.
- 05Funciona con menos de 1 GB de memoria mediante un modelo de 80 millones de parámetros.
Casos de uso
- Añadir salida de voz en inglés de forma local a una aplicación de escritorio o edge, sin usar una API en la nube.
- Ofrecer un endpoint de voz al estilo de OpenAI para una aplicación interna.
- Generar narraciones o locuciones por lotes.
- Crear flujos de trabajo de ComfyUI que incluyan generación de voz.
Inicio rápido
- 1
Instalar el paquete (CPU/MPS)
pip install soprano-tts - 2
Iniciar la interfaz web
soprano-webui
Antes de usarlo
- Solo está disponible en inglés; la compatibilidad con otros idiomas sigue en la hoja de ruta.
- No admite la clonación de voz.
- Se ha entrenado con solo unas 1.000 horas de audio, por lo que puede pronunciar mal palabras poco comunes.
- Quienes usen CUDA en Windows deben reinstalar manualmente una versión de PyTorch compilada para CUDA.
Temas
Preguntas frecuentes
- ¿Qué es soprano?
- 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. Soprano es un modelo de texto a voz basado en una arquitectura compacta de 80 millones de parámetros, diseñado para sintetizar voz en inglés con rapidez y alta fidelidad en hardware de consumo. Genera audio a 32 kHz, admite streaming de baja latencia tanto en CPU como en GPU y divide automáticamente los textos largos para que la longitud de la salida no esté limitada.
- ¿soprano es gratuito? ¿Qué licencia tiene?
- soprano es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿soprano sigue mantenido?
- Sin commits en más de 6 meses. El último commit de soprano fue el 15 ene 2026.
- ¿Para qué puedo usar soprano?
- Añadir salida de voz en inglés de forma local a una aplicación de escritorio o edge, sin usar una API en la nube. Ofrecer un endpoint de voz al estilo de OpenAI para una aplicación interna. Generar narraciones o locuciones por lotes. Crear flujos de trabajo de ComfyUI que incluyan generación de voz.
- ¿Cómo se instala soprano?
- Instalar el paquete (CPU/MPS): pip install soprano-tts Iniciar la interfaz web: soprano-webui
- ¿Dónde consigo soprano?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/ekwek1/soprano
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Sistema de texto a voz zero-shot que clona una voz a partir de un único audio de referencia y permite controlar la emoción, la velocidad y la pronunciación.
24,6 mil2,9 milPythonOtherActualizado hace 21 días
Biblioteca de inferencia en Python para Kokoro-82M, un modelo de texto a voz de pesos abiertos con 82 millones de parámetros.
9,5 mil1,1 milJavaScriptApache-2.0Actualizado el año pasado
Paquete de Python para convertir texto en voz sin conexión con el modelo Kokoro en ONNX Runtime, compatible con CPU y GPU.
2,8 mil306PythonMITActualizado hace 2 meses
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 6 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