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
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.