RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

FireRedTTS3

FireRedTeam/FireRedTTS3Revisado por IA

Revisado por RepoPicks Radar el

¿Qué es FireRedTTS3?

FireRedTTS3 es el código y el modelo publicados de un sistema de voz de un equipo de investigación chino. Dale unos segundos de alguien hablando y lee tu texto con esa voz, en 24 idiomas y 21 dialectos chinos. Un segundo modelo inventa una voz a partir de una descripción escrita ("gentle young woman, slightly slow, a bit playful") y edita grabaciones existentes: cambia, agrega o quita palabras, o cambia la velocidad, el tono y el volumen. Es código en Python con una pequeña página web en Gradio, pensado para personas con experiencia en configuraciones de machine learning y una tarjeta gráfica.

FireRedTTS3 es gratis y de código abierto (Apache-2.0) y puede reemplazar a ElevenLabs, Fish Audio y Descript.

¿Qué tan fácil es instalar FireRedTTS3?

D · terminal, varias herramientas o tarjeta específica · Windows

  • Windows D
  • Linux D

Grado D en ambos: clonas el repositorio, "pip install -r requirements.txt" (que fija flash_attn 2.8.3, un paquete que normalmente pide una tarjeta NVIDIA y un compilador), descargas los pesos con la línea de comandos de Hugging Face o ModelScope, opcionalmente obtienes un archivo de detección de idioma con curl, y luego escribes Python o abres la página de Gradio con "python gradio_base.py --host 0.0.0.0 --port 7860".

Pronto: instala con 1 clic desde la app RepoPicks.

FireRedTTS3 en GitHub

Estrellas
1720el 10 nov 2026
Descargas
—todas las versiones
Crecimiento
+2estrellas en 6 días

Estrellas a lo largo del tiempo

171917201721 7 nov8 nov9 nov10 nov 171917201721 7 nov9 nov

Datos

Funciona en
Linux, Windows
Necesitas instalar
Python, Tarjeta gráfica
Para compilar desde el código
Python, Tarjeta gráfica
Espacio en disco
950 MB–4,3 GB · estimación
Cuentas o claves
Other (LLM_TN_API_KEY)
Costo
Gratis · El código y los pesos del modelo son gratuitos (código con licencia Apache-2.0). Pagas en hardware o en tiempo de GPU alquilada. La normalización de texto multilingüe opcional llama a un endpoint de IA de pago que tú eliges.
Licencia
Apache-2.0 (Permisiva)
Puede reemplazar
ElevenLabs, Fish Audio, Descript
Último cambio en GitHub
8 sept 2026

Señales de riesgo de FireRedTTS3 (5)

  • AtenciónDependencias con vulnerabilidades conocidas

    Dependencias fijadas con vulnerabilidades conocidas (OSV): torch: GHSA-63cw-57p8-fm3p, GHSA-qfhq-4f3w-5fph, GHSA-rrmf-rvhw-rf47; flash_attn: GHSA-7g5w-pq96-8c5w, PYSEC-2026-2477; transformers: GHSA-x9r9-c232-4q39, GHSA-xrqw-3rrv-vx5w, PYSEC-2026-3929

    revisión automática

  • Atenciónclonación de voz y cambio de palabras en grabaciones

    El modelo clona una voz a partir de un clip de referencia corto en 24 idiomas y 21 dialectos chinos, y el modelo Instruct edita audio real a nivel de palabra: "Semantic Edit ... Content-level editing: insertion / deletion / substitution by instruction", con el ejemplo "Replace 'cats' with 'dogs'." Eso significa hacer que una grabación de una persona real diga algo que nunca dijo. El README no menciona ninguna marca de agua en el audio generado.

    revisión con IA

  • Atenciónlos autores restringen el uso a investigación

    Usage Disclaimer: "The project incorporates zero-shot voice cloning functionality; Please note that this capability is intended solely for academic research purposes", "DO NOT use this model for ANY illegal activities" y "The developers assume no liability for any misuse of this model." La licencia del código es Apache-2.0, así que la intención declarada es más estrecha que la licencia.

    revisión con IA

  • Infolos archivos del modelo vienen de fuera de github

    Los pesos se descargan desde Hugging Face ("hf download FireRedTeam/FireRedTTS3 --local-dir pretrained_models/") o ModelScope, y el detector de idioma opcional se obtiene con "curl -L -o fireredtts3/utils/llm_tn/models/lid.176.ftz https://dl.fbaipublicfiles.com/fasttext/...". Nada de esto está en el repositorio y no se indican los tamaños.

    revisión con IA

  • Infola demo de gradio escucha en todas las interfaces de red

    El comando documentado es "python gradio_base.py --host 0.0.0.0 --port 7860", que responde en todas las interfaces de red sin contraseña, así que en una red compartida o de oficina otras máquinas pueden llegar a la página de clonación de voz.

    revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar de FireRedTTS3

  • Si los paquetes fijados (torch 2.8.0, flash_attn 2.8.3, transformers 5.6.2) se instalan en tu máquina, y en qué tarjetas.
  • Cuánta memoria de video y disco necesitan los dos modelos, algo que el README nunca indica (la cifra de 950-4450 MB es una estimación).
  • Si las tablas de calidad, producidas por los autores y puntuadas en parte por Gemini, se sostienen en tus propias grabaciones.
  • Si el audio generado o editado lleva alguna marca que indique que es sintético.
  • Qué envía la normalización de texto opcional con LLM al endpoint que configures, y cuánto cuesta eso.

Proyectos parecidos

La app RepoPicks

Pronto: instala con 1 clic desde la app RepoPicks.

Antes de descargar

Ver la página de la versión en GitHub