zkartamx/sanoTTS-es-mx

sanoTTS — Voz Español Mexicano (es_MX) 🇲🇽

Una voz sanoTTS mexicana, destilada desde el teacher Piper es_MX-ald-medium (voz espeak es-419 = latinoamericana). ~1.56M parámetros en total (duración + latente acústico + decoder), entrenada con destilación (Piper → 3 estudiantes), joint finetune y normalización G2P mexicana.

📦 Contenido

Archivo	Qué es
duration-student.pt	modelo de duración
latent-student.pt	latente acústico (post-joint)
decoder-student.pt	decoder (post-joint)
mexican_g2p_normalizer.py	normalización G2P mexicana (topónimos/números)
muestra1.wav…muestra3.wav	audios de muestra

🔊 Muestras

#	Frase
1	"Voy a Oaxaca y Tlaxcala con mi familia."
2	"Cuesta 1,850 pesos, son 1,500,000,000 y mide 1,500 metros cuadrados."
3	"La celebración comunitaria incluyó danzas folclóricas, mariachi y buñuelos con piloncillo."

🎧 Cómo usar

Estos son los checkpoints del modelo. Para sintetizar texto arbitrario:

1. Cloná el repo Ampixa/sanoTTS y seguí la receta de language porting (docs/roota-language-porting-recipe.md).
2. Cargá estos 3 checkpoints (duración, latente, decoder) como los estudiantes.
3. Aplicá mexican_g2p_normalizer.py antes de fonemizar (espeak es-419 no conoce topónimos nahuatl como Oaxaca/Xalapa/Tlaxcala ni los formatos de números mexicanos).

⚠️ Importante: estos son los pesos del modelo (.pt). Para usarlos en el runtime (navegador/microcontrolador) hay que exportarlos al formato de inferencia del repo (export_roota_self_contained_package.py), que aún no está en GitHub.

🏗️ Entrenamiento

• Teacher: es_MX-ald-medium (Piper, MIT, rhasspy/piper-voices).
• Corpus: español mexicano depurado/mexicanizado (~9k frases).
• Etapas: packs → duración → latente (15k) → decoder (15k) → joint finetune (6k).
• Normalización: mexican_g2p_normalizer.py aplicada al armado de packs y al serve.

🧠 Métricas (held-out)

• Latente acústico cosine: 0.837
• Decoder chunk cosine: 0.955 · oracle lane 0.957 · full-stack 0.105

📄 Licencia

Weights entrenados con datos del teacher Piper es_MX-ald-medium (MIT). El proyecto sanoTTS es GPLv3 (runtime MIT). Consultá las licencias del repo original.

🙏 Créditos

• Proyecto original: Ampixa/sanoTTS
• Teacher: rhasspy/piper-voices
• Contribución de soporte español: PR en Ampixa/sanoTTS#6