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
fishaudio/Bert-VITS2
Proyecto de síntesis de voz basado en VITS2 que incorpora BERT multilingüe para mejorar la prosodia y la pronunciación del habla generada.
- Estrellas
- 8,801
- Forks
- 1,307
- Issues abiertos
- 2
- Último commit
- hace 5 días
¿Qué es?
Bert-VITS2 es un proyecto de síntesis de voz basado en la arquitectura VITS2. Incorpora características del texto obtenidas de un modelo BERT multilingüe en la arquitectura principal de VITS2, con el objetivo de generar un habla más natural en cuanto a prosodia y pronunciación.
El repositorio ofrece flujos de trabajo de preprocesamiento y entrenamiento, con una interfaz web de acceso (webui_preprocess.py) que funciona como guía rápida para empezar. El enfoque principal del proyecto se inspira en MassTTS e incluye referencias a trabajos relacionados, como vits, vits2_pytorch y so-vits-svc.
Los mantenedores indican que el proyecto ya no recibe mantenimiento activo y recomiendan Fish-Speech como sucesor para quienes buscan una opción actual de TTS autorregresivo.
Funciones clave
- 01Combina VITS2 con características de texto de BERT multilingüe para la síntesis de voz.
- 02Ofrece un flujo de trabajo de preprocesamiento y entrenamiento basado en una interfaz web.
- 03Se basa en la arquitectura principal de VITS2 e incluye un componente vocoder.
- 04El código fuente está bajo la licencia AGPL-3.0.
Casos de uso
- Entrenar un modelo de voz personalizado a partir de tus propias grabaciones.
- Estudiar cómo integrar embeddings de texto de BERT en un modelo TTS de tipo VITS.
- Experimentar con flujos de trabajo de síntesis de voz en chino y en varios idiomas.
Antes de usarlo
- El proyecto está bajo la licencia AGPL-3.0, una licencia copyleft fuerte.
- El README indica que el proyecto no recibirá mantenimiento a corto plazo y recomienda usar Fish-Speech en su lugar.
- El README prohíbe el uso con fines políticos y para actividades que infrinjan la legislación china.
En colecciones
Temas
#tts#text-to-speech#vits#bert#speech-synthesis#voice-cloning#deep-learning#agent#bert-vits#bert-vits2
Preguntas frecuentes
- ¿Qué es Bert-VITS2?
- Proyecto de síntesis de voz basado en VITS2 que incorpora BERT multilingüe para mejorar la prosodia y la pronunciación del habla generada. Bert-VITS2 es un proyecto de síntesis de voz basado en la arquitectura VITS2. Incorpora características del texto obtenidas de un modelo BERT multilingüe en la arquitectura principal de VITS2, con el objetivo de generar un habla más natural en cuanto a prosodia y pronunciación.
- ¿Bert-VITS2 es gratuito? ¿Qué licencia tiene?
- Bert-VITS2 es open source bajo la licencia AGPL-3.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿Bert-VITS2 sigue mantenido?
- Mantenimiento activo. El último commit de Bert-VITS2 fue el 2 nov 2026.
- ¿Para qué puedo usar Bert-VITS2?
- Entrenar un modelo de voz personalizado a partir de tus propias grabaciones. Estudiar cómo integrar embeddings de texto de BERT en un modelo TTS de tipo VITS. Experimentar con flujos de trabajo de síntesis de voz en chino y en varios idiomas.
- ¿Dónde consigo Bert-VITS2?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/fishaudio/Bert-VITS2
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
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.
4,1 mil415PythonMITBien mantenidoActualizado ayer
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
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
15,5 mil+36 esta semana2,3 milPythonMITActualizado hace 4 días
Motor de síntesis de voz de código abierto compatible con inglés y chino, con más de 2000 voces y control de emociones mediante prompts.
8,5 mil761PythonApache-2.0Actualizado hace 2 meses
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 mil+19 esta semana695PythonApache-2.0Actualizado hace 5 meses