Alonso Cárdenas
f2b43a4bb6
Add model folders with early instructions and a main.py file for testing. Add output folder for wav files generated. Add asset folder with manito.wav inside. Add env.example. Update readme.md for clear instructions to follow.
1.4 KiB
1.4 KiB
TTS generation tests
Los modelos fueron probados en el mismo sistema y mismo mensaje.
| Modelo | Tiempo del primer fragmento | Total completo | RTF | Chunks |
|---|---|---|---|---|
| cosyvoice3 | 54.71s | 209.65s | 24.26 | 4 |
| kokoro-80m | 1.80s | 3.52s | 0.43 | 3 |
| phonon-40m-es | 0.65s | 0.65s | 0.08 | 13 |
| pocket-tts | 0.60s | 0.66s | 0.09 | 94 |
| qwen3-tts-6b (streaming) | 24.60s | 179.70s | 19.53 | 29 |
| xtts-v2 | 2.98s | 42.26s | 4.49 | 12 |
RTF: Tiempo total/duracion audio. Menor que 1 es lo ideal.
Setup
Para poder usar los modelos, primero se debe crear un .env con un token de Huggingface. Sin esta, modelos que lo necesiten no funcionaran. Ademas, hay modelos que estan restringidos, por lo que para usarlos tendras que acceder a ellos por Huggingface primero.
Gated models:
- Phonon-40m-es
- Pocket-TTS
Copia el ejemplo a la raiz, y luego remplaza hf_... por el token de tu cuenta de HuggingFace.
cp env.example .env
Luego, para poder probar el ejemplo dentro de las carpetas, dirigete a la carpeta del modelo que quieres probar:
cd src/kokoro-80m
cd src/phonon-40m-es
cd src/pocket-tts
cd src/qwen3-tts-6b
cd src/xtts-v2
Ahora dentro de la carpeta del modelo, ejecuta los comandos dentros de sus respectivos README.md.
La mayoria se ven asi:
uv sync
.venv\Scripts\activate
# Algunos necesitan descargar un modelo de 2gb, asi que ten eso en cuenta antes de correrlo.
uv run python main.py