¿Qué hace clone-voice?
🎙️ Habilidad para agente — Clonación de voz offline zero-shot con Qwen3-TTS 0.6B.
Proporciona un audio de referencia + texto y obtén voz clonada. Compatible con CPU/MPS/CUDA, 10 idiomas.
🔧 Requisitos
- Python 3.10+
- PyTorch (con CUDA o MPS según disponibilidad)
- Espacio en disco: ~1.2 GB (modelo + dependencias)
📦 Instalación
pip install qwen-tts torch torchaudio soundfile
🚀 Uso
Desde línea de comandos
python -m clone_voice --ref_audio ruta/al/audio.wav \
--ref_text "texto de referencia" \
--gen_text "texto a generar" \
--output ruta/salida.wav
Desde Python
import torch
import soundfile as sf
from qwen_tts import QwenTTS
# Cargar modelo (CPU por defecto)
model = QwenTTS.from_pretrained("Qwen/Qwen3-TTS-0.6B")
# Clonar voz
output_wav = model.clone_voice(
ref_audio="ruta/al/audio.wav",
ref_text="texto de referencia",
gen_text="texto a generar",
device="cpu" # o "cuda", "mps"
)
# Guardar resultado
sf.write("salida.wav", output_wav, samplerate=24000)
🌍 Idiomas Soportados
| Idioma | Código |
|---|---|
| Chino | zh |
| Inglés | en |
| Japonés | ja |
| Coreano | ko |
| Francés | fr |
| Alemán | de |
| Español | es |
| Italiano | it |
| Portugués | pt |
| Ruso | ru |
⚙️ Configuración Avanzada
--device: Seleccionar dispositivo (cpu,cuda,mps). Por defecto:cpu.--speed: Factor de velocidad (0.5-2.0). Por defecto:1.0.--temperature: Temperatura de muestreo (0.1-1.0). Por defecto:0.8.
📌 Notas
- El audio de referencia debe tener al menos 2 segundos de duración y contener voz clara.
- El texto de referencia debe coincidir con el contenido hablado en el audio de referencia.
- Para mejor calidad, usa audios con poco ruido de fondo.
📄 Licencia
Apache 2.0