Texto a voz sin conexión con Piper y Kokoro

Texto a voz, o TTS, asigna texto escrito a una forma de onda de voz. Ejecutar el proceso sin conexión significa que la aplicación tiene el tiempo de ejecución y los archivos de voz o modelo necesarios en el dispositivo local y no necesita enviar cada expresión a un servicio TTS alojado. Mejora la disponibilidad pero transfiere las responsabilidades de instalación, almacenamiento y rendimiento al operador. Piper es un proyecto TTS de código abierto con voces descargables y herramientas de inferencia local. El proyecto Piper actual se mantiene en el repositorio OHF-Voice y los detalles de su licencia y paquete deben verificarse allí. Kokoro es una familia de modelos TTS independiente con su propia tarjeta de modelo, voces, bibliotecas de inferencia e información de idioma. Los nombres no implican arquitectura de modelo, calidad o entornos compatibles idénticos. Pueden ocurrir cambios de versión y empaquetado, así que use la documentación actual del proyecto en lugar de un tutorial antiguo. No es lo mismo un modelo de voz que el runtime que lo carga. Los formatos de modelo, los fonemizadores, los diccionarios de pronunciación, los paquetes de idiomas y las dependencias de audio afectan el funcionamiento de la síntesis. Un modelo compacto puede adaptarse a un dispositivo con CPU limitada, mientras que otro puede requerir más memoria o aceleración. Mida la velocidad de generación, el costo de inicio, el uso de memoria y la calidad del audio en el hardware de destino real. La cuantificación o diferentes backends de inferencia pueden cambiar tanto la eficiencia como la producción. La cobertura de idioma y voz debe verificarse a nivel de modelo. Un tiempo de ejecución que admita un idioma no significa que todas las voces lo admitan bien. Los nombres propios, las abreviaturas, los números, la puntuación y el cambio de código pueden requerir normalización del texto o reglas de pronunciación. Las pruebas de comprensión auditiva con pasajes representativos son más informativas que juzgar una sola oración de demostración. La licencia y el consentimiento necesitan controles separados. El código de proyecto, los pesos de los modelos y los datos de voz individuales pueden tener términos diferentes. Si sintetiza la voz de una persona identificable, obtenga permiso y siga las reglas aplicables. La ejecución fuera de línea por sí sola no establece que se permita la distribución o el uso comercial. Fuentes de documentos, versiones y opciones de voz antes del envío.