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
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.