ntizar VibeVoice — Voice AI de Microsoft
Resumen
Voice AI de Microsoft para síntesis y clonación de voz con IA de última generación. 49k⭐.
Repo de referencia
- GitHub:
github.com/microsoft/VibeVoice - Lenguaje: Python
- Licencia: MIT
Instalación
pip install vibe-voice
# o clonar y configurar entorno
git clone https://github.com/microsoft/VibeVoice.git
cd VibeVoice && pip install -r requirements.txt
Uso Básico
from vibe_voice import VibeVoice
# Síntesis de voz
vibe = VibeVoice()
audio = vibe.synthesize("Hola, ¿cómo estás?", voice="es-ES-Alvaro")
audio.save("saludo.mp3")
# Clonación de voz
vibe.clone_voice("referencia.wav", voice_id="mi_voz")
audio = vibe.synthesize("Texto con voz clonada", voice="mi_voz")
Patrones Clave
- Síntesis natural: Voz humana con entonación realista
- Clonación: Clonar voz con pocos segundos de audio
- Multi-idioma: Soporte para español, inglés y más
- Control emocional: Ajustar tono y emoción de la voz
- Low latency: Síntesis en tiempo real posible
Integración con Mastermind
- Complementa
edge-tts(más natural, más lento) - Útil para TTS de alta calidad en dashboards
- Reemplaza
coqui-ai/TTSpara síntesis más natural - Ideal para voicebox workflow
Pitfalls
- Recursos: Requiere GPU para clonación en tiempo real
- Latencia: Más lento que edge-tts para síntesis simple
- Calidad de referencia: La clonación requiere audio limpio
- Dependencias: PyTorch pesado para instalar