Motor de voz
Sin modelo cargado. Cada motor se carga por separado.
APGQ LABORATORIO DE VOZ
Estudio local de voz
Prueba motores de texto a voz instalados en este PC y guarda las muestras generadas.
Idioma y voz
El alemán utiliza un checkpoint de Kokoro independiente.
0.5×1.0×2.0×
Chatterbox genera en inglés con voz predeterminada. Corre en CPU con 12 hilos; esta interfaz no ofrece selector de voz ni velocidad para esos modelos.
Prueba de conversación por voz
Da instrucciones al modelo antes de grabar. Su respuesta aparecerá en el texto de entrada; Kokoro irá sintetizando cada párrafo mientras el modelo prepara los siguientes.
Reconocimiento de vozComprobando…
Inteligencia artificialComprobando…
Generación de vozComprobando…
La salida usa la voz y las velocidades configuradas arriba. En español, selecciona primero una voz española en Kokoro. El tamaño indicado es el archivo GGUF, no la memoria total de inferencia.
Comprobando Whisper…
Este prompt se guarda en este navegador y se envía junto con la transcripción solo al modelo local seleccionado.
00:00
Carga los motores; pulsa el micrófono una vez para dejarlo en espera. Se enviará cada turno tras 1.5 segundos de silencio.
La prueba usa servicios locales en este PC. Las respuestas de Qwen pueden contener errores; no las uses para decidir tratamientos médicos.
Texto de entrada
Caracteres totales: 0
Fragmentos que se enviarán
Generación y reproducción
El texto se sintetiza fragmento por fragmento.
Comandos y modo de uso
Este estudio se inicia únicamente en 127.0.0.1. La selección del modelo y los botones generan las acciones locales; las instalaciones originales de F5, XTTS y Whisper no se modifican.
Los modelos que pasaron la prueba generan WAV que se guardan bajo tts-studio\output. Solo un motor TTS queda cargado a la vez; la prueba conversacional mantiene además Whisper y el Qwen elegido.
Resultados y notas de las pruebas
Kokoro 82M ONNX
Funciona en CPU. Muestras: 0.77 s para 2.85 s de audio; 1.32 s para 6.55 s; 2.36 s para 11.10 s. Pico observado: 625 MB de RAM. La aceleración DirectML falló en una operación ConvTranspose.
Idiomas incluidos
El paquete estándar trae voces para inglés, español, francés, italiano y portugués brasileño. Alemán usa el checkpoint independiente Martin.
Chatterbox Nano y Turbo
Instalados en un entorno aislado y disponibles desde el selector. Solo inglés, CPU con 12 hilos. En las pruebas locales Nano generó textos ingleses cortos/medios/largos en 2.94/11.63/16.68 s con pico de 3.16 GB de RAM; Turbo tardó 8.41/22.90/38.83 s con pico de 4.11 GB. Los audios en español no representan una prueba válida porque estos checkpoints son solo para inglés.
Coqui XTTS v2
Funciona en CPU, usando una voz de referencia local. Carga ≈12.3 s; 2.0 s para un audio de 3.3 s; 13.5 s para 7.3 s; 32.1 s para 17.4 s. RAM observada: ≈2.8–2.9 GB.
F5-TTS ONNX
Generó audio con DirectML, pero tardó ≈122–127 s para 5.3 s de audio y usó ≈3.8 GB de RAM; no conviene para respuestas en vivo.
Qwen3-TTS 0.6B
El intento GPU terminó en una violación de acceso de ROCm. En CPU cargó, pero no terminó una muestra dentro de varios minutos; no está habilitado.
Parakeet TDT 0.6B
Es reconocimiento de voz (ASR), no generación TTS.