RepoPicks Radar

Actualizado todos los días hacia las 23:30 UTC

Guías

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

4630464046504660 6 nov7 nov8 nov9 nov10 nov 4630464046504660 6 nov8 nov10 nov

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

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