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 15 días
snakers4/silero-models
Modelos de texto a voz preentrenados de Silero, disponibles mediante PyTorch Hub o pip, para ruso y muchos idiomas túrquicos, caucásicos y otros de la CEI.
- Estrellas
- 6,141
- Forks
- 376
- Issues abiertos
- 13
- Último commit
- hace 7 días
¿Qué es?
Silero Models es una colección de modelos de texto a voz preentrenados que se pueden cargar con una sola línea de código mediante torch.hub.load o el paquete silero de pip. Los modelos se descargan cuando se necesitan, y también se pueden almacenar en caché y ejecutar de forma independiente con PyTorch y la biblioteca estándar de Python.
Los modelos se organizan por versión y grupo lingüístico. La serie V5 incluye modelos de ruso con acentuación automática y gestión de homógrafos, además de amplias colecciones para idiomas de la CEI, como tártaro, kazajo, ucraniano, uzbeko, chuvasio, yakuto y varios idiomas caucásicos. Los modelos anteriores V3 y V4 añaden inglés, alemán, español, francés e idiomas índicos. Los modelos admiten frecuencias de muestreo de 8000, 24000 y 48000 Hz, y los modelos V5 admiten marcado SSML.
El repositorio incluye notebooks de Colab con ejemplos de uso. Las licencias varían según el grupo de modelos: la mayoría se distribuye bajo CC BY-NC 4.0, mientras que los modelos base de la CEI usan MIT.
Funciones clave
- 01Se cargan con una sola línea de código mediante torch.hub o un paquete de pip.
- 02Los modelos V5 para ruso ofrecen acentuación automática y gestión de homógrafos.
- 03Ofrece numerosas voces para idiomas túrquicos, caucásicos y otros de la CEI.
- 04Los modelos V5 admiten marcado SSML.
- 05Genera audio a 8000, 24000 o 48000 Hz y puede ejecutarse en CPU o GPU.
Casos de uso
- Añadir salida de voz en ruso o idiomas de la CEI a una aplicación de Python.
- Generar indicaciones de voz o muestras de audio para proyectos multilingües.
- Ejecutar TTS sin conexión en un equipo local con PyTorch y sin una API externa.
Inicio rápido
- 1
Instala el paquete silero desde PyPI
pip install silero - 2
Importa silero_tts, carga un modelo como v5_ru y llama a apply_tts con el texto de ejemplo
Antes de usarlo
- Los modelos tienen licencia CC BY-NC 4.0, que solo permite el uso no comercial.
- Los modelos se descargan cuando se necesitan, por lo que la primera vez se requiere conexión a Internet.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es silero-models?
- Modelos de texto a voz preentrenados de Silero, disponibles mediante PyTorch Hub o pip, para ruso y muchos idiomas túrquicos, caucásicos y otros de la CEI. Silero Models es una colección de modelos de texto a voz preentrenados que se pueden cargar con una sola línea de código mediante torch.hub.load o el paquete silero de pip. Los modelos se descargan cuando se necesitan, y también se pueden almacenar en caché y ejecutar de forma independiente con PyTorch y la biblioteca estándar de Python.
- ¿silero-models es gratuito? ¿Qué licencia tiene?
- silero-models es open source bajo la licencia Other. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿silero-models sigue mantenido?
- Mantenimiento activo. El último commit de silero-models fue el 15 oct 2026.
- ¿Para qué puedo usar silero-models?
- Añadir salida de voz en ruso o idiomas de la CEI a una aplicación de Python. Generar indicaciones de voz o muestras de audio para proyectos multilingües. Ejecutar TTS sin conexión en un equipo local con PyTorch y sin una API externa.
- ¿Cómo se instala silero-models?
- Instala el paquete silero desde PyPI: pip install silero Importa silero_tts, carga un modelo como v5_ru y llama a apply_tts con el texto de ejemplo
- ¿Dónde consigo silero-models?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/snakers4/silero-models
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.
27,2 mil3,7 milPythonMITActualizado hace 3 meses
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.
24,7 mil2,9 milPythonOtherActualizado hace 23 días
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