• 2 min de lectura
OfflineTTS lleva TTS y STT privados a tu navegador
OfflineTTS agrupa herramientas basadas en el navegador para texto a voz, voz a texto, subtítulos y conversión de documentos a audio, con procesamiento local y sin registro.
Imagen: Hacker News
OfflineTTS agrupa varios flujos de trabajo de audio en un único kit de herramientas basado en el navegador: texto a voz, voz a texto, generación de subtítulos y EPUB, PDF o TXT a audio. La propuesta es sencilla: es gratuito, no requiere registro y mantiene el procesamiento principal local en el navegador.
La plataforma admite 4 motores TTS locales y Whisper para transcripción. Según el sitio, el TTS en inglés y la STT de Whisper pueden funcionar sin conexión tras la descarga del modelo. También ofrece exportaciones TXT, SRT y VTT, además de un directorio de flujos de trabajo orientado a creadores, casos de accesibilidad, estudio e investigación sensible a la privacidad.
Los motores y capacidades disponibles incluyen:
- Kokoro: 54 voces en 9 idiomas
- Kitten: 8 expresiones, diseñado como una opción ligera de TTS local
- Piper: 25 voces, pensado para ser amigable con la CPU
- Supertonic: 5 idiomas — inglés, español, portugués, francés y coreano
- Whisper: 99 idiomas para transcripción
OfflineTTS afirma que todas las herramientas principales se ejecutan en el navegador usando WebGPU o WebAssembly. Más allá del TTS básico, el servicio también maneja transcripción de audio, marcas de tiempo, subtítulos SRT, exportaciones de subtítulos VTT y flujos de trabajo para escuchar documentos.
El sitio presenta esto como una alternativa a servicios que requieren subir archivos, como ElevenLabs, NaturalReader y Murf, y enfatiza uso gratuito, uso ilimitado, modo sin conexión y un modelo de privacidad centrado en el navegador en lugar de procesamiento en el servidor. También indica que no hay un requisito de clave API.
Recomendado
Las herramientas Gemini de Chrome llegan a usuarios de escritorio en el Reino Unido
Para exportaciones, los flujos de trabajo de voz admiten WAV y MP3, mientras que la transcripción admite TXT, SRT y VTT. La única salvedad sobre el uso comercial: el sitio afirma que el habla generada puede utilizarse en la mayoría de los flujos de trabajo de creadores, pero los usuarios deben comprobar los términos del modelo subyacente antes de un despliegue comercial a gran escala.
Computing Editor
Tomas lives in the terminal. He covers chips, laptops, and operating systems with a focus on performance and efficiency. He reads kernel changelogs the way other people read fiction, and he's always on the hunt for the perfect mechanical keyboard switch. If it processes data, Tomas has an opinion on it.
vía Hacker News
