Audio8 TTS

1. 01

   Abre esta página en una computadora de escritorio

   La herramienta se carga directo en el navegador. No necesitas cuenta, ni instalar nada, ni una clave API. En teléfono o tablet, mejor ni lo intentes: el modelo pide una PC o una Mac.

2. 02

   Deja que los pesos se descarguen una vez

   Al hacer clic en Cargar modelo en este dispositivo se descargan unos 572 MiB de archivos del modelo en INT4 desde el CDN de Hugging Face. Tu navegador los guarda en caché, así que en las siguientes visitas no se vuelven a descargar.

3. 03

   Elige un idioma y una voz

   Elige uno de los 11 idiomas recomendados. Audio8 se guía por el texto en sí, no por un código de idioma, así que pega el texto en el idioma que quieres oír.

4. 04

   Escucha y descarga

   Espera el audio final, sin saltos, o activa la vista previa en vivo opcional para escuchar fragmentos provisionales. Guarda el audio sin pérdidas en WAV de 44.1 kHz o conviértelo a MP3 en el navegador.

• 01

  Usa textos cortos mientras conoces el modelo

  El entorno de ejecución de origen recomienda unos 150 caracteres para la mejor calidad. Genera una oración a la vez y luego une los archivos WAV para guiones más largos.

• 02

  Escribe la puntuación como quieres oírla

  Las comas crean una pausa breve, los puntos una más larga y los puntos suspensivos una pausa sostenida. El modelo DualAR las toma como señales de locución. Si una frase suena plana, muchas veces basta con una coma.

• 03

  Baja la creatividad si las muestras salen irregulares

  El deslizador de creatividad fija la temperatura de muestreo. El ajuste oficial de 0.7 ofrece un buen equilibrio. Si una palabra larga suena temblorosa o se repite una sílaba, prueba con 0.5 y vuelve a generar el audio.

• 04

  Usa el idioma correcto y deletrea los casos raros

  Las siglas se pronuncian mejor con puntos entre las letras, como en N.A.S.A. Para los nombres poco comunes, escribe cómo suenan. Prueba la palabra difícil sola, corrige la escritura y luego genera el texto completo.

• 05

  Chrome o Edge pueden usar la GPU

  Las versiones actuales de Chrome y Edge se probaron con WebGPU nativo y soporte para FP16. Si el modelo no pasa las tres pruebas, la herramienta cambia automáticamente al motor de WebAssembly para CPU con varios hilos.

• 06

  Descarga el WAV y conviértelo después

  El WAV conserva toda la señal de 44.1 kHz para usar en editores de audio y DAW. Usa MP3 solo si el tamaño del archivo importa más que el margen dinámico.

Los dos modelos son de código abierto bajo la licencia Apache 2.0. Las cifras corresponden a las versiones públicas actuales: Audio8-TTS-Preview-0.6b y Kokoro-82M-v1.0.