MOSS-TTS-Nano
OpenMOSS/MOSS-TTS-NanoRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es MOSS-TTS-Nano?
MOSS-TTS-Nano es un modelo pequeño de texto a voz (0.1B de parámetros) que ejecutas tú mismo. Dale unos segundos de alguien hablando y leerá tu texto con esa voz, en 20 idiomas, como audio estéreo de 48 kHz. Los autores dicen que es lo bastante rápido para tiempo real en un procesador de 4 núcleos sin tarjeta gráfica, y que la versión ONNX funciona en un solo núcleo de una MacBook Air M4. Instalas paquetes de Python y abres una página en tu propia máquina, o primero pruebas la demo gratuita en línea de los autores. Los archivos del modelo se descargan en la primera ejecución.
MOSS-TTS-Nano es gratis y de código abierto (Apache-2.0) y puede reemplazar a ElevenLabs, Murf y Fish Audio.
¿Qué tan fácil es instalar MOSS-TTS-Nano?
A · descarga y abre · Web
- Windows C
- macOS C
- Linux C
- Web A
La forma más fácil de entrar es la web, con calificación A: los autores mantienen una demo gratuita en línea y un Space de Hugging Face, así que abres una página y escribes texto. Instalarlo es C en Windows, macOS y Linux: Python 3.10 o más reciente, un entorno de Conda, `pip install -r requirements.txt` y `pip install -e .`, luego `python app_onnx.py` y abres http://127.0.0.1:18083 — no se necesita tarjeta gráfica. El propio README advierte que una dependencia suele fallar ("If `WeTextProcessing` or `pynini` fails to install"), lo que puede convertir esos pocos comandos en una lucha más larga.
MOSS-TTS-Nano en GitHub
- Estrellas
- 4657el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +44estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux, Web
- Necesitas instalar
- Python
- Para compilar desde el código
- Python, Tarjeta gráfica
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · Software gratuito bajo Apache-2.0 y archivos de modelo gratuitos. El costo es tu propia máquina más entre 1 y 4.5 GB de disco para los modelos descargados.
- Licencia
- Apache-2.0 (Permisiva)
- Puede reemplazar
- ElevenLabs, Murf, Fish Audio
- Último cambio en GitHub
- 6 sept 2026
Señales de riesgo de MOSS-TTS-Nano (7)
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): torch: GHSA-3749-ghw9-m3mg, GHSA-63cw-57p8-fm3p, GHSA-887c-mr87-cxwp; transformers: GHSA-29pf-2h5f-8g72, GHSA-69w3-r845-3855, GHSA-fgcw-684q-jj6r
revisión automática
- Atencióncopia una voz a partir de un clip corto
El README llama a la clonación de voz "the main recommended workflow for MOSS-TTS-Nano" y el ejemplo es `python infer.py --prompt-audio-path assets/audio/zh_1.wav --text "..."`, así que cualquier grabación que tengas se convierte en una voz con la que el modelo puede hablar. Nada en este paquete menciona reglas de consentimiento, un descargo de responsabilidad o una marca en el audio generado.
revisión con IA
- Atenciónun paso de instalación trae código de un fork personal
La configuración recomendada de Conda ejecuta `pip install git+https://github.com/WhizZest/WeTextProcessing.git`, una copia del paquete de normalización de texto alojada en la cuenta de una persona en lugar del proyecto original o PyPI, y el README también señala "a community-tested example, see Issue #6" para encontrar un wheel de `pynini`.
revisión con IA
- Infola sección de licencia del readme contradice el archivo de licencia
Sección License del README: "This repository will follow the license specified in the root `LICENSE` file. If you are reading this before that file is published, please treat the repository as **not yet licensed for redistribution**." El archivo LICENSE en la raíz es en realidad la Apache License 2.0 y GitHub reporta Apache-2.0, así que esto parece texto que quedó de la primera versión.
revisión con IA
- Infodescarga modelos en la primera ejecución
README: "If `--model-dir` is omitted, the script automatically checks `./models`. When the model files are missing, it downloads them on first run from" los repositorios de Hugging Face MOSS-TTS-Nano-100M-ONNX y MOSS-Audio-Tokenizer-Nano-ONNX. Los chequeos estiman entre 950 MB y 4450 MB de disco.
revisión con IA
- Infolas cifras de velocidad y calidad vienen de los autores
La eficiencia de "nearly 2x", el resultado de un solo núcleo en la MacBook Air M4 y las tablas de "best overall reconstruction quality" son todas mediciones propias de los autores, tomadas de su README y sus artículos (arXiv 2603.18090 y 2602.10934). El README también señala que el modelo tiene 0.1B de parámetros, mucho más pequeño que el buque insignia de 8B, MOSS-TTS, de la misma familia.
revisión con IA
- Infoproyecto joven en la versión 0 1 0
Creado el 2026-04-10, pyproject.toml indica la versión "0.1.0", no hay ninguna versión publicada en GitHub, y el último cambio es del 2026-09-06 (63 días antes de esta revisión), con 28 issues abiertos frente a 4645 estrellas.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de MOSS-TTS-Nano
- Qué tan natural suena la voz clonada en tu idioma, ya que las propias pruebas de los autores se centran en chino e inglés
- Si de verdad se mantiene en tiempo real en tu procesador, ya que las afirmaciones sobre CPU son mediciones de los autores en sus propias máquinas
- El uso real de disco después de descargar los archivos del modelo, estimado entre 950 MB y 4450 MB pero no indicado por el proyecto
- Qué hacen la demo en línea y el Space de Hugging Face de los autores con el audio de referencia y el texto que subes
- Si los archivos obtenidos de Hugging Face en la primera ejecución coinciden con el modelo descrito en el artículo, ya que no se da ninguna suma de verificación