Differences

This shows you the differences between two versions of the page.

--- informatica:inteligencia_artificial:tts [2026/06/26 12:42] – [Entrenar COQUI TTS con XTTS] jose
+++ informatica:inteligencia_artificial:tts [2026/07/04 00:03] (current) – jose
@@ Line 1: / Line 1: @@
+====== Herramientas ======
+Para grabar voz mimic:\\
+https://github.com/MycroftAI/mimic-recording-studio/
+Este es mas moderno:
+https://github.com/rhasspy/piper-recording-studio/
+  docker run -it -p 8000:8000 -v "$PWD/output:/app/output" rhasspy/piper-recording-studio
+Videos Youtube:\\
+https://www.youtube.com/@ThorstenMueller/
 ====== Español en Mac ======
   git clone https://github.com/jpgallegoar/Spanish-F5.git
@@ Line 131: / Line 144: @@
   python generar_voz.py entrada.txt salida.mp3
+====== Piper TTS ======
+El proyecto en el 2026 se ha movido a:\\
+https://github.com/OHF-voice/piper1-gpl
+Seguimos README.md
+  git clone https://github.com/OHF-voice/piper1-gpl
+  cd piper1-gpl
+  python -m venv venv
+  pip install piper-tts
+Listamos voces
+  python3 -m piper.download_voices
+Descargamos castellano
+  mkdir ES && cd ES
+  python3 -m piper.download_voices es_ES-sharvard-medium
+Descarga dos ficheros, un json con la configuración y el de la voz que ocupa 74Mb
+M es_ES-sharvard-medium.onnx
+.8K es_ES-sharvard-medium.onnx.json
+Creamos un fichero con esa voz que es casi inmediato:
+  time python3 -m piper -m es_ES-sharvard-medium -f test.wav -- 'Esto es una pequeña prueba'
+  real 1.554s
+  user 2.740s
+Con una frase mas larga tarda mas o menos lo mismo
+  time python3 -m piper -m es_ES-sharvard-medium -f test.wav -- 'Esto es una pequeña prueba para ver cuanto puede tardar este programa en reproducir texto a voz.'
+  real 1.771s
+  user 3.596s
 ====== COQUI TTS ======
@@ Line 482: / Line 524: @@
     main()
 </code>
+Luego lo ejecutamos con (cambiar directorio de entreno):
+  python entrenar_vits.py --device mps --continue_path resultado_entrenamiento/mi_voz_vits_rapida-June-26-2026_05+24PM-ca2cf515 --epochs 200
+En mi caso:
+  python entrenar_vits.py --device mps --continue_path resultado_entrenamiento/entrenamiento1 --epochs 200
+MAC:
+Las notas de audio están en
+  open ~/Library/Group\ Containers/group.com.apple.VoiceMemos.shared
+====== Gráficas de rendimiento ======
+Levantamos servidor tensor con:
+  tensorboard --logdir=/Users/T054810/Personal/IA/coqui-ai-TTS_beta/resultado_entrenamiento/
+Entramos en: http://localhost:6006/
+Sacado de chatGPT:
+<code>
+oss_disc y loss_gen: Son las gráficas de rendimiento del Discriminador y el Generador de VITS. Verás curvas que van bajando. Cuanto más abajo y estables estén, mejor y más limpia sonará tu voz.
+loss_mel: Te indica cómo de bien está aprendiendo el modelo a imitar las frecuencias exactas de tu tono de voz.
+Rendimiento de tiempo: Te muestra cuántos segundos tarda por cada paso de entrenamiento.
+</code>