sherpa-onnx-tts

• Saída de voz com privacidade em primeiro lugar — você precisa sintetizar fala sem enviar texto para uma API na nuvem (por exemplo, documentos sensíveis, dados pessoais).
• Ambientes offline ou isolados de rede — seu agente funciona sem acesso confiável à internet e ainda precisa de saída de áudio.
• Controle de custos — você quer chamadas ilimitadas de TTS sem cobrança por caractere ou por requisição.
• Geração programática de áudio — você quer produzir arquivos .wav programaticamente a partir de um comando CLI ou ferramenta de agente.

• Você precisa de vozes neurais de alta fidelidade e expressividade (ex.: qualidade ElevenLabs) — os modelos Piper locais produzem bons resultados, mas não em nível de estúdio profissional.
• Você precisa de TTS com streaming em tempo real e latência ultrabaixa para aplicações de voz interativas.
• Sua plataforma não é macOS, Linux ou Windows x64 — nenhuma outra arquitetura está disponível atualmente no pacote.

Todo o pipeline de TTS é executado localmente na sua máquina utilizando o runtime nativo do sherpa-onnx. Nenhuma conexão com a internet, chaves de API ou taxas de uso são necessárias após o download inicial do modelo.

Runtimes pré-compilados do sherpa-onnx são baixados automaticamente para macOS (Universal 2), Linux x64 e Windows x64, garantindo que você obtenha o binário nativo correto para o seu sistema operacional sem necessidade de compilação manual.

Vem com o modelo de alta qualidade vits-piper-en_US-lessac-high por padrão. Você pode substituir por qualquer outro modelo de voz da release tts-models do sherpa-onnx e apontar SHERPA_ONNX_MODEL_DIR para ele.

Sintetize fala em um arquivo .wav com um único comando: sherpa-onnx-tts -o output.wav "Seu texto aqui". Suporta substituições para arquivo de modelo, arquivo de tokens e diretório de dados por meio de flags ou variáveis de ambiente.

Quando um diretório de modelos contém múltiplos arquivos .onnx, defina SHERPA_ONNX_MODEL_FILE ou passe --model-file para especificar qual modelo utilizar, permitindo configurações com múltiplos modelos sem precisar reconfigurar o diretório base.

Um agente de IA resume um documento e chama esta skill para produzir uma narração em arquivo .wav falado — totalmente offline, sem dependência de nuvem no pipeline.

Um agente assistente jurídico ou médico precisa ler conteúdo sensível em voz alta. Usar o sherpa-onnx-tts garante que textos confidenciais nunca sejam transmitidos para uma API de TTS de terceiros.

Um desenvolvedor cria scripts da CLI em loop para converter dezenas de trechos de texto em arquivos .wav para uma aplicação local, sem custo por chamada e sem limites de taxa.

Em ambientes onde o acesso à internet de saída é bloqueado ou restrito, esta skill fornece uma solução de TTS autossuficiente depois que o runtime e os modelos são baixados durante a configuração.