RepoPicks Radar

Atualizado todo dia por volta das 23:30 UTC

Guias

FireRedTTS3

FireRedTeam/FireRedTTS3Revisado por IA

Verificado pelo RepoPicks Radar em

O que é FireRedTTS3?

FireRedTTS3 é o código e o modelo publicados de um sistema de voz de uma equipe de pesquisa chinesa. Dê a ele alguns segundos de alguém falando e ele lê o seu texto com essa voz, em 24 idiomas e 21 dialetos chineses. Um segundo modelo inventa uma voz a partir de uma descrição escrita ("gentle young woman, slightly slow, a bit playful") e edita gravações existentes: troca, adiciona ou remove palavras, ou muda velocidade, tom e volume. É código em Python com uma pequena página web em Gradio, voltado para quem já tem experiência com configurações de machine learning e uma placa de vídeo.

FireRedTTS3 é grátis e de código aberto (Apache-2.0) e pode substituir ElevenLabs, Fish Audio e Descript.

Quão fácil é instalar FireRedTTS3?

D · terminal, várias ferramentas ou placa específica · Windows

  • Windows D
  • Linux D

Nota D nos dois: você clona o repositório, "pip install -r requirements.txt" (que fixa flash_attn 2.8.3, um pacote que normalmente exige uma placa NVIDIA e um compilador), baixa os pesos pela linha de comando do Hugging Face ou do ModelScope, opcionalmente baixa um arquivo de detecção de idioma com curl, e depois escreve Python ou abre a página do Gradio com "python gradio_base.py --host 0.0.0.0 --port 7860".

Em breve: instale com 1 clique pelo app RepoPicks.

FireRedTTS3 no GitHub

Estrelas
1.720em 10 de nov. de 2026
Downloads
—todas as versões
Crescimento
+2estrelas em 6 dias

Estrelas ao longo do tempo

1.7191.7201.721 7 de nov.8 de nov.9 de nov.10 de nov. 1.7191.7201.721 7 de nov.9 de nov.

Fatos

Roda em
Linux, Windows
Você precisa instalar
Python, Placa de vídeo
Para compilar a partir do código
Python, Placa de vídeo
Espaço em disco
950 MB–4,3 GB · estimativa
Contas ou chaves
Other (LLM_TN_API_KEY)
Custo
Grátis · O código e os pesos do modelo são gratuitos (código sob licença Apache-2.0). Você paga em hardware ou em tempo de GPU alugada. A normalização de texto multilíngue opcional chama um endpoint de IA pago, escolhido por você.
Licença
Apache-2.0 (Permissiva)
Pode substituir
ElevenLabs, Fish Audio, Descript
Última mudança no GitHub
8 de set. de 2026

Sinais de risco de FireRedTTS3 (5)

  • AtençãoDependências com vulnerabilidades conhecidas

    Dependências fixadas com vulnerabilidades conhecidas (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

    checagem automática

  • Atençãoclonagem de voz e troca de palavras em gravações

    O modelo clona uma voz a partir de um clipe de referência curto em 24 idiomas e 21 dialetos chineses, e o modelo Instruct edita áudio real no nível da palavra: "Semantic Edit ... Content-level editing: insertion / deletion / substitution by instruction", com o exemplo "Replace 'cats' with 'dogs'." Isso significa fazer uma gravação de uma pessoa real dizer algo que ela nunca disse. O README não menciona nenhuma marca d'água no áudio gerado.

    revisão por IA

  • Atençãoos autores restringem o uso à pesquisa

    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" e "The developers assume no liability for any misuse of this model." A licença do código é Apache-2.0, então a intenção declarada é mais restrita do que a licença.

    revisão por IA

  • Infoos arquivos do modelo vêm de fora do github

    Os pesos são baixados do Hugging Face ("hf download FireRedTeam/FireRedTTS3 --local-dir pretrained_models/") ou do ModelScope, e o detector de idioma opcional é obtido com "curl -L -o fireredtts3/utils/llm_tn/models/lid.176.ftz https://dl.fbaipublicfiles.com/fasttext/...". Nada disso está no repositório e os tamanhos não são informados.

    revisão por IA

  • Infoa demo do gradio escuta em todas as interfaces de rede

    O comando documentado é "python gradio_base.py --host 0.0.0.0 --port 7860", que responde em todas as interfaces de rede sem senha, então em uma rede compartilhada ou de escritório outras máquinas podem acessar a página de clonagem de voz.

    revisão por IA

As evidências aparecem no idioma original.

O que o Radar não conseguiu verificar em FireRedTTS3

  • Se os pacotes fixados (torch 2.8.0, flash_attn 2.8.3, transformers 5.6.2) instalam na sua máquina, e em quais placas.
  • Quanta memória de vídeo e disco os dois modelos precisam, algo que o README nunca diz (o número de 950-4450 MB é uma estimativa).
  • Se as tabelas de qualidade, produzidas pelos autores e parcialmente avaliadas pelo Gemini, se sustentam nas suas próprias gravações.
  • Se o áudio gerado ou editado carrega alguma marca que mostre que é sintético.
  • O que a normalização de texto opcional com LLM envia para o endpoint que você configurar, e quanto isso custa.

Projetos parecidos

O app RepoPicks

Em breve: instale com 1 clique pelo app RepoPicks.

Antes de baixar

Baixar do GitHub

Ver a página da versão no GitHub