Kit de herramientas Python de código abierto para convertir texto en voz y convertir voces, con modelos preentrenados, herramientas de entrenamiento y utilidades para organizar conjuntos de datos.
2,3 mil298PythonMPL-2.0Actualizado hace 3 días
netease-youdao/EmotiVoice
Motor de síntesis de voz de código abierto compatible con inglés y chino, con más de 2000 voces y control de emociones mediante prompts.
Alternativa open source a:ElevenLabs
- Estrellas
- 8,540
- Forks
- 761
- Issues abiertos
- 137
- Último commit
- hace 2 meses
¿Qué es?
EmotiVoice es un motor de síntesis de voz que genera audio en inglés y chino con más de 2000 voces. Su función principal es la síntesis emocional: permite generar voz con emociones como alegría, entusiasmo, tristeza y enojo, controladas mediante un prompt.
El proyecto ofrece una interfaz web para uso interactivo y una interfaz de scripting para generar audio por lotes. También se puede ejecutar como una imagen de Docker en una máquina con una GPU NVIDIA e incluye una API HTTP de TTS compatible con OpenAI. Para la inferencia, recibe texto anotado con fonemas junto con un ID de hablante y un prompt de estilo. El repositorio incluye recetas para clonar voces a partir de datos personales, DataBaker y LJSpeech.
El proyecto está desarrollado con Python y PyTorch y se publica bajo la licencia Apache-2.0. La compatibilidad con más idiomas, como japonés y coreano, figura entre los trabajos previstos.
Funciones clave
- 01Sintetiza voz en inglés y chino con más de 2000 voces.
- 02Controla mediante prompts el estilo emocional, como alegría, tristeza y enojo.
- 03Ofrece una interfaz web y otra de scripting para generar audio por lotes.
- 04Proporciona una API HTTP de TTS compatible con OpenAI.
- 05Incluye recetas para clonar voces con datos personales.
Casos de uso
- Generar locuciones con carga emocional para videos, audiolibros o juegos.
- Añadir un backend de síntesis de voz a una aplicación mediante la API compatible con OpenAI.
- Generar audio en chino o inglés por lotes a partir de texto escrito en scripts.
- Investigar la síntesis de voz controlada mediante prompts.
Inicio rápido
- 1
Ejecuta la imagen de Docker de EmotiVoice (requiere una GPU NVIDIA).
docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest - 2
Abre http://localhost:8501 en el navegador para usar la interfaz web.
Antes de usarlo
- La forma más rápida de usar Docker requiere una GPU NVIDIA y configurar NVIDIA Container Toolkit.
- La instalación completa requiere descargar archivos grandes de modelos preentrenados, lo que puede resultar complicado.
- La página interactiva está sujeta a un User Agreement independiente, además de la licencia Apache-2.0.
Temas
Preguntas frecuentes
- ¿Qué es EmotiVoice?
- Motor de síntesis de voz de código abierto compatible con inglés y chino, con más de 2000 voces y control de emociones mediante prompts. EmotiVoice es un motor de síntesis de voz que genera audio en inglés y chino con más de 2000 voces. Su función principal es la síntesis emocional: permite generar voz con emociones como alegría, entusiasmo, tristeza y enojo, controladas mediante un prompt.
- ¿EmotiVoice es gratuito? ¿Qué licencia tiene?
- EmotiVoice es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿EmotiVoice sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de EmotiVoice fue el 3 sept 2026.
- ¿Para qué puedo usar EmotiVoice?
- Generar locuciones con carga emocional para videos, audiolibros o juegos. Añadir un backend de síntesis de voz a una aplicación mediante la API compatible con OpenAI. Generar audio en chino o inglés por lotes a partir de texto escrito en scripts. Investigar la síntesis de voz controlada mediante prompts.
- ¿Cómo se instala EmotiVoice?
- Ejecuta la imagen de Docker de EmotiVoice (requiere una GPU NVIDIA).: docker run -dp 127.0.0.1:8501:8501 syq163/emoti-voice:latest Abre http://localhost:8501 en el navegador para usar la interfaz web.
- ¿Dónde consigo EmotiVoice?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/netease-youdao/EmotiVoice
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 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 8 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
VoxCPM2 es un modelo de texto a voz de código abierto y sin tokenizador que admite 30 idiomas, diseño de voz a partir de descripciones de texto y clonación de voz a partir de clips de referencia cortos.
39,6 mil4,5 milPythonApache-2.0Actualizado hace 14 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.
15,4 mil2,3 milPythonApache-2.0Actualizado hace 3 días