uttera-tts-hotcold
Servidor API TTS de alto rendimiento con arquitectura híbrida Hot/Cold. Soporta backends pluggables (Coqui XTTS-v2, VoxCPM2). Ideal para despliegues locales de agentes IA como OpenClaw o Open-WebUI.
Ficha actualizada 25 sept 2026, 8:53 · upstream 25 sept 2026, 8:45 · release v2.3.0
Qué es uttera-tts-hotcold
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
El repositorio uttera-tts-hotcold es un servidor API TTS de alto rendimiento que utiliza una arquitectura híbrida Hot/Cold para optimizar la inferencia en GPU. Permite cambiar entre backends pluggables como Coqui XTTS-v2 y VoxCPM2 mediante una variable de entorno, facilitando la adaptación a diferentes necesidades de latencia o recursos. El servidor está diseñado para ejecutarse localmente, ideal para agentes de IA que requieren privacidad y no deben enviar medios fuera del dominio privado.
Ofrece una API compatible con OpenAI, incluyendo endpoints para síntesis de voz estándar y streaming en tiempo real. Implementa un sistema de caché basado en MD5 para optimizar el rendimiento en cargas repetitivas, con opciones de desactivación por solicitud para privacidad. La gestión de recursos incluye trabajadores "calientes" que mantienen el modelo en VRAM y trabajadores "fríos" que se activan bajo demanda para manejar picos de carga.
Es importante destacar las consideraciones de licencia: el código fuente es Apache 2.0, pero los pesos del modelo XTTS-v2 por defecto están bajo la Coqui Public Model License (CPML), permitiendo uso no comercial y requiriendo licencia comercial para fines empresariales. El repositorio ha sido transferido a Uttera y mantiene compatibilidad con versiones anteriores mediante redirección de URLs.
- Despliegue local de agentes IA como OpenClaw o Open-WebUI sin salir del dominio privado.
- Síntesis de voz en tiempo real vía streaming para aplicaciones interactivas.
- Clonación de voz ad-hoc mediante subida de archivos de referencia por solicitud.
- Servidor TTS escalable con arquitectura hot/cold para manejar picos de demanda.
- Pruebas y benchmarking de diferentes motores TTS (Coqui vs VoxCPM).
- Integración sencilla gracias a la API compatible con OpenAI.
- Arquitectura híbrida Hot/Cold que mantiene el modelo en VRAM para baja latencia.
- API compatible con OpenAI (/v1/models, /v1/audio/speech) para integración sencilla.
- Sistema de caché MD5 con TTL configurable y control por encabezado HTTP.
- Soporte nativo para streaming de audio (chunked WAV) en la ruta caliente.
- Validación estricta de parámetros que devuelve códigos HTTP 422/400 con detalles útiles.
- Licencia Apache 2.0 para el código fuente, permitiendo uso comercial del servidor.
- El backend VoxCPM2 no se recomienda para producción debido a problemas de asignación CUDA bajo carga concurrente.
- Los pesos XTTS-v2 por defecto requieren licencia comercial de Coqui para uso empresarial (CPML).
- Requiere pertenencia a grupos video y render del sistema operativo para ejecutar sin sudo.
- El streaming solo está disponible en la ruta Hot, no en la piscina Cold.
- La caché se bypassa automáticamente para solicitudes de clonación de voz ad-hoc.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar dependencias (ffmpeg, python3), ejecutar setup.sh y añadir usuario a grupos video/render. Usar puerto 9004 por defecto. Configurar .env para variables como TTS_BACKEND, CACHE_TTL_MINUTES o COLD_POOL_SIZE. Para producción, evitar VoxCPM2 y considerar uttera-tts-vllm si se usa VoxCPM2. Habilitar CORS solo si necesario mediante CORS_ALLOW_ORIGINS.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.