VibeVoiceNix
Stack de voz en español para homelab basado en NixOS, con Piper (TTS rápido) y VibeVoice-Realtime-0.5B (TTS expresivo). Desplegable en Proxmox vía Terraform/Ansible.
Ficha actualizada 24 sept 2026, 1:18 · upstream 24 sept 2026, 1:02 · release sin release detectada
Qué es VibeVoiceNix
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
VibeVoiceNix es una infraestructura de voz declarativa para homelab, construida sobre NixOS con flakes. Integra tres motores: Piper para síntesis rápida y ligera (0,042 RTF), whisper.cpp para reconocimiento de voz (STT) y VibeVoice-Realtime-0.5B para síntesis expresiva en streaming (0,75 RTF). El stack está optimizado para CPU (Intel Coffee Lake), con reescritura de convoluciones depthwise que logra un 106× más rápido en el decodificador.
La arquitectura expone APIs HTTP y WebSocket para TTS/STT, soportando formatos OGG/OPUS compatibles con WhatsApp y Telegram. Incluye un modo de sesión para narración continua sin pausas, manteniendo la prosodia entre frases. El despliegue es inmutable: todo se define en el flake.nix, usando uv2nix para dependencias Python externas como VibeVoice, disko para particionado y Terraform/Ansible para orquestación sobre Proxmox.
Las optimizaciones incluyen cuantización int8 dinámica, eliminación de pesos muertos y ajuste del prompt de whisper.cpp para jerga técnica. Se ha verificado que la GPU integrada Intel UHD 630 es más lenta que la CPU en este contexto específico debido a limitaciones de ancho de banda de memoria y soporte de bf16.
- Asistente de voz local para agentes como OpenClaw en redes domésticas.
- Narración automática de logs o alertas del sistema (backup, estado servicios).
- Conversión de notas de voz a texto para archivado y búsqueda.
- Interfaz de control por voz para automatizaciones del homelab.
- Fidelidad bit-a-bit entre generación streaming y completa en sesiones.
- Optimización extrema de convoluciones depthwise (106× más rápido).
- Despliegue inmutable y reproducible con NixOS y flakes.
- Soporte nativo para formatos OGG/OPUS compatibles con WhatsApp/Telegram.
- Cuantización int8 dinámica que reduce el ancho de banda de memoria.
- API WebSocket para notificaciones push de estado del modelo.
- Dependencia estricta de NixOS o flake.nix para despliegue nativo.
- Modelo VibeVoice-Realtime-0.5B consume ~2,8GB RAM y requiere CPU potente.
- La GPU integrada Intel UHD 630 es más lenta que la CPU en este stack.
- El modelo 1.5B y Large-7B de VibeVoice solo soportan inglés/chino (no español).
- Requiere `OMP_PLACES=cores` para PyTorch; usarlo con OpenVINO ralentiza un 118%.
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.
Usar `nix develop` o Terraform sobre Proxmox. Mínimo 4 núcleos y 8GB RAM dedicados. Asegurar hash fijo en flake.lock para voces/pesos. Configurar `OMP_PLACES=cores` solo si usa PyTorch; evitar con OpenVINO. Para pruebas rápidas, usar Piper (100MB) en vez de VibeVoice.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.