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.
33,4 mil2,9 milPythonOtherActualizado hace 9 días
neuphonic/neutts
Modelos de voz TTS de código abierto para ejecutar en el dispositivo, con clonación instantánea a partir de unos 3 segundos de audio y basados en backbones LLM pequeños.
Alternativa open source a:ElevenLabs
- Estrellas
- 6,322
- Forks
- 661
- Issues abiertos
- 37
- Último commit
- hace 3 meses
¿Qué es?
NeuTTS es una familia de modelos de texto a voz de código abierto de Neuphonic que se ejecutan en el dispositivo. Cada modelo combina un backbone LLM pequeño con el códec de audio neuronal NeuCodec, por lo que el habla se genera localmente en lugar de a través de una API web. Los modelos permiten clonar voces al instante: basta con un clip de referencia corto y su transcripción para sintetizar texto nuevo con la voz de esa persona.
La familia incluye NeuTTS-Air para inglés, la colección NeuTTS-Nano con variantes en inglés, francés, alemán y español, y NeuTTS-2E, un modelo en inglés que ofrece control emocional y cuatro voces predefinidas. Se proporcionan versiones cuantizadas en GGUF para ejecutarlas en teléfonos, laptops y Raspberry Pi, además de decodificadores ONNX para una inferencia con menor latencia. El repositorio incluye ejemplos en Python para síntesis por lotes y en streaming, codificación de referencias y un script de ajuste fino.
El audio generado incluye una marca de agua de Perth de forma predeterminada. El paquete de Python se instala con pip y ofrece extras opcionales para llama-cpp-python y onnxruntime.
Funciones clave
- 01Clonación instantánea de voz a partir de un clip de referencia corto y su transcripción.
- 02Versiones cuantizadas en GGUF para ejecutar los modelos en teléfonos, laptops y Raspberry Pi.
- 03Síntesis en streaming con llama-cpp-python.
- 04Modelos Nano multilingües en inglés, francés, alemán y español.
- 05NeuTTS-2E ofrece control de siete emociones y cuatro voces.
- 06Salida con marca de agua de forma predeterminada.
Casos de uso
- Crear asistentes de voz integrados o juguetes que funcionen sin un servicio en la nube.
- Añadir salida de voz sin conexión a aplicaciones en las que los datos deban permanecer en el dispositivo.
- Probar la clonación de voz con grabaciones de referencia cortas.
- Ejecutar texto a voz en hardware de bajo consumo, como Raspberry Pi.
Inicio rápido
- 1
Instala NeuTTS desde PyPI
pip install neutts - 2
Clona el repositorio y entra en la carpeta del proyecto
git clone https://github.com/neuphonic/neutts.git && cd neutts - 3
Ejecuta el ejemplo básico para sintetizar voz
python -m examples.basic_example --input_text "My name is Andy. I'm 25 and I just moved to London. The underground is pretty confusing, but it gets me around in no time at all." --ref_audio samples/jo.wav --ref_text samples/jo.txt
Antes de usarlo
- Algunos modelos usan NeuTTS Open License 1.0 en lugar de una licencia estándar de código abierto, y la licencia del repositorio no está claramente indicada.
- La transmisión en streaming solo es compatible con modelos GGUF.
- Los modelos en otros idiomas funcionan mejor con un clip de referencia en el mismo idioma.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es neutts?
- Modelos de voz TTS de código abierto para ejecutar en el dispositivo, con clonación instantánea a partir de unos 3 segundos de audio y basados en backbones LLM pequeños. NeuTTS es una familia de modelos de texto a voz de código abierto de Neuphonic que se ejecutan en el dispositivo. Cada modelo combina un backbone LLM pequeño con el códec de audio neuronal NeuCodec, por lo que el habla se genera localmente en lugar de a través de una API web. Los modelos permiten clonar voces al instante: basta con un clip de referencia corto y su transcripción para sintetizar texto nuevo con la voz de esa persona.
- ¿neutts es gratuito? ¿Qué licencia tiene?
- neutts es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿neutts sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de neutts fue el 30 jul 2026.
- ¿Para qué puedo usar neutts?
- Crear asistentes de voz integrados o juguetes que funcionen sin un servicio en la nube. Añadir salida de voz sin conexión a aplicaciones en las que los datos deban permanecer en el dispositivo. Probar la clonación de voz con grabaciones de referencia cortas. Ejecutar texto a voz en hardware de bajo consumo, como Raspberry Pi.
- ¿Cómo se instala neutts?
- Instala NeuTTS desde PyPI: pip install neutts Clona el repositorio y entra en la carpeta del proyecto: git clone https://github.com/neuphonic/neutts.git && cd neutts Ejecuta el ejemplo básico para sintetizar voz: python -m examples.basic_example --input_text "My name is Andy. I'm 25 and I just moved to London. The underground is pretty confusing, but it gets me around in no time at all." --ref_audio samples/jo.wav --ref_text samples/jo.txt
- ¿Dónde consigo neutts?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/neuphonic/neutts
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
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.
39,9 mil4,5 milPythonApache-2.0Actualizado hace 15 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 mil3,7 milPythonMITActualizado hace 3 meses
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.
16,3 mil975PythonApache-2.0Actualizado hace 19 horas
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.
15,6 mil2,3 milPythonApache-2.0Actualizado hace 3 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 8 días