sherpa-onnx-tts

• Salida de voz con privacidad primero — necesitas sintetizar voz sin enviar texto a una API en la nube (p. ej. documentos sensibles, datos personales).
• Entornos sin conexión o aislados de la red — tu agente se ejecuta sin acceso fiable a internet y aún necesita salida de audio.
• Control de costes — quieres llamadas TTS ilimitadas sin facturación por carácter o por solicitud.
• Generación de audio con scripts — quieres producir archivos .wav de forma programática desde un comando de CLI o una herramienta de agente.

• Necesitas voces neuronales de alta fidelidad y expresividad (por ejemplo, calidad de ElevenLabs) — los modelos locales de Piper producen buenos resultados, pero no a nivel de estudio profesional.
• Necesitas TTS en streaming en tiempo real con latencia ultrabaja para aplicaciones de voz interactivas.
• Tu plataforma no es macOS, Linux o Windows x64 — actualmente no se incluyen otras arquitecturas.

Todo el proceso de TTS se ejecuta en tu máquina local utilizando el entorno de ejecución nativo de sherpa-onnx. No se requiere conexión a internet, ni claves de API, ni tarifas de uso después de la descarga inicial del modelo.

Los runtimes precompilados de sherpa-onnx se descargan automáticamente para macOS (Universal 2), Linux x64 y Windows x64, de modo que obtienes el binario nativo correcto para tu sistema operativo sin necesidad de compilación manual.

Incluye el modelo de alta calidad vits-piper-en_US-lessac-high de forma predeterminada. Puedes reemplazarlo con cualquier otro modelo de voz de la versión tts-models de sherpa-onnx y apuntar SHERPA_ONNX_MODEL_DIR hacia él.

Sintetiza voz en un archivo .wav con un solo comando: sherpa-onnx-tts -o output.wav "Your text here". Admite anulaciones para el archivo de modelo, el archivo de tokens y el directorio de datos mediante indicadores o variables de entorno.

Cuando un directorio de modelos contiene múltiples archivos .onnx, establece SHERPA_ONNX_MODEL_FILE o pasa --model-file para especificar qué modelo utilizar, lo que permite configuraciones con múltiples modelos sin necesidad de reconfigurar el directorio base.

Un agente de IA resume un documento y llama a esta habilidad para producir una narración en formato .wav — completamente sin conexión, sin ninguna dependencia en la nube en el proceso.

Un agente asistente legal o médico necesita leer en voz alta contenido sensible. El uso de sherpa-onnx-tts garantiza que el texto confidencial nunca se transmita a una API de TTS de terceros.

Un desarrollador programa la CLI en un bucle para convertir decenas de fragmentos de texto en archivos .wav para una aplicación local, sin costo por llamada y sin límites de velocidad.

En entornos donde el acceso a internet saliente está bloqueado o restringido, esta habilidad proporciona una solución TTS autónoma una vez que el tiempo de ejecución y los modelos se descargan durante la configuración.