ntizar Fish Speech — TTS de Nueva Generación
Qué es
Fish Speech de Fish Audio es un sistema TTS que ofrece:
- Zero-shot cloning — clonar voz con muestras cortas
- Alta calidad — audio natural y expresivo
- Multilingüe — soporte para múltiples idiomas
- Open source — completamente abierto
Instalación
git clone https://github.com/fishaudio/fish-speech.git
cd fish-speech
pip install -e .
Uso básico
# Generar audio con voz clonada
# Usar el CLI o API proporcionada
fish-speech --text "Texto a sintetizar" --reference "reference.wav" --output "output.wav"
Casos de uso
- Narración personalizada — voz de David para contenido
- Doblaje — mantener timbre consistente
- Prototipado rápido — generar audio para tests
Pitfalls
- Requiere GPU para inference rápida
- Modelos grandes (varios GB)
- La configuración inicial puede ser compleja
- Depende de modelos pre-entrenados de HuggingFace
Referencias
- Repo:
github.com/fishaudio/fish-speech(31K⭐) - HuggingFace:
https://huggingface.co/fishaudio
Comparativa de alternativas
- fishaudio/fish-speech — Fish Speech 1.5 (Apache-2.0) es la referencia de TTS con clonación expresiva zero-shot en ~0.5 s de audio y salida en tiempo real; frente a otros clones de voz, destaca por calidad expresiva con muy poco audio de referencia.