Multilingual Text to Speech
Tomiinek/Multilingual_Text_to_SpeechRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es Multilingual Text to Speech?
Este es el código de un artículo de investigación de 2020 sobre texto a voz multilingüe (un modelo Tacotron 2). Permite entrenar y usar un único modelo de voz para muchos idiomas, mezclar idiomas en una misma frase y copiar la voz de una persona. Está pensado para investigadores y desarrolladores: clonas el repositorio, instalas paquetes de Python, descargas conjuntos de datos y archivos de modelo, y ejecutas scripts desde la terminal. El repositorio está archivado, así que ya no recibe correcciones. Los autores también enlazan cuadernos de Google Colab y una página con muestras de audio.
Multilingual Text to Speech es gratis y de código abierto (MIT) y puede reemplazar a ElevenLabs y Murf.
¿Qué tan fácil es instalar Multilingual Text to Speech?
E · solo para quien programa · Linux
En Linux clonas el repositorio, instalas paquetes de Python viejos y fijados (torch 1.13.1, librosa 0.7.0, numba 0.48), descargas a mano los conjuntos de datos y los archivos de punto de control y ejecutas scripts de entrenamiento o síntesis; no hay instalador ni aplicación para el usuario final, por eso es una E. Los cuadernos de Colab enlazados son la única opción de probar con un clic, y son de 2020.
Pronto: instala con 1 clic desde la app RepoPicks.
Multilingual Text to Speech en GitHub
- Estrellas
- 843el 10 nov 2026
- Descargas
- 14.70019 en la semana
- Crecimiento
- —sin ganancia en la última lectura
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Linux
- Necesitas instalar
- Python, Tarjeta gráfica
- Para compilar desde el código
- Python, Tarjeta gráfica
- Espacio en disco
- 900 MB–4,2 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis
- Licencia
- MIT (Permisiva)
- Puede reemplazar
- ElevenLabs, Murf
- Último cambio en GitHub
- 10 oct 2023
Señales de riesgo de Multilingual Text to Speech (7)
- AtenciónLanzamientos detenidos
Último lanzamiento el 2020-05-26 (hace 2359 días)
revisión automática
- AtenciónDependencias con vulnerabilidades conocidas
Dependencias fijadas con vulnerabilidades conocidas (OSV): pillow: GHSA-22hg-r758-rrw9, GHSA-24rc-8hj2-v98c, GHSA-254f-3936-288h; torch: GHSA-3749-ghw9-m3mg, GHSA-53q9-r3pm-6pq6, GHSA-5pcm-hx3q-hm94
revisión automática
- AtenciónDependencias viejas fijadas
requirements.txt fija versiones de 2019-2020 (torch==1.13.1, librosa==0.7.0, numba==0.48, tensorboard==2.0.2, phonemizer==2.1), que suelen fallar al instalarse en versiones actuales de Python.
revisión con IA
- InfoRepositorio archivado
El repositorio está archivado (solo lectura, ya no recibe mantenimiento)
revisión automática
- InfoClona voces sin aviso sobre el mal uso
La descripción y los temas del repositorio anuncian "voice cloning" (temas: voice-cloning, code-switching) y el README ofrece un punto de control "supporting code-switching or voice-cloning", sin ningún aviso sobre el consentimiento ni el mal uso de la voz de otra persona.
revisión con IA
- InfoCódigo de investigación, no una aplicación
El README.md está escrito en torno a reproducir un artículo ("source code, and parameters for the paper One Model, Many Languages"); la sección de uso empieza por descargar los conjuntos CSS10 y Common Voice y entrenar el modelo.
revisión con IA
- InfoLas licencias de los conjuntos de datos varían
README.md: el entrenamiento necesita el conjunto CSS10 (Apache License 2.0) y una versión depurada de Common Voice (Creative Commons CC0), que se descargan aparte del código.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Multilingual Text to Speech
- Si los paquetes fijados de 2020 todavía se instalan en un Python actual, y si el código llega a funcionar hoy.
- Si los cuadernos de demostración de Google Colab enlazados en el README todavía funcionan.
- Cómo suenan realmente las voces generadas comparadas con los servicios actuales de texto a voz.
- Si la síntesis funciona a una velocidad usable sin tarjeta gráfica.
- El espacio en disco real necesario una vez descargados los conjuntos de datos y los pesos del vocoder WaveRNN.