Guía Universal de Entrenamiento de Modelos TTS y Preparación de Datasets

Bienvenido a una guía práctica para preparar datasets de voz, entrenar o ajustar modelos personalizados de Text-to-Speech, ejecutar inferencia y empaquetar modelos para reutilizarlos.

Empieza aquí

Sigue este flujo en orden si estás iniciando un proyecto nuevo:

1. Prepara tu dataset
2. Configura el entorno de entrenamiento
3. Entrena o ajusta el modelo
4. Genera voz mediante inferencia
5. Empaqueta y comparte el modelo
6. Resuelve problemas y encuentra recursos

Elige tu camino

• Tienes audio sin transcripciones limpias: empieza por Preparación de Datos.
• Ya tienes pares de audio y texto limpios: continúa con Configuración del Entrenamiento.
• Tienes un checkpoint entrenado: ve a Inferencia.
• Tienes un modelo listo para distribuir: lee Empaquetado y Compartición.

La guía intenta ser independiente del framework siempre que sea posible. Se centra en decisiones y comprobaciones que se aplican a las herramientas TTS modernas.

Usa el selector de idioma de la cabecera para cambiar entre las traducciones disponibles. Las contribuciones y las nuevas traducciones se explican en la Guía de Traducción.