voice-chat-ai
Plataforma de chat de voz con IA que permite interactuar con personajes históricos o ficticios usando modelos de lenguaje como OpenAI, Ollama o Anthropic, y síntesis de voz local o en la nube.
Ficha actualizada 18 sept 2026, 21:13 · upstream 18 sept 2026, 21:13 · release v1.4.0
Qué es voice-chat-ai
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Voice Chat AI es una aplicación que facilita conversaciones en tiempo real con personajes de inteligencia artificial mediante voz. Soporta múltiples proveedores de modelos de lenguaje (OpenAI, xAI, Anthropic, Ollama) y opciones de síntesis de voz como Spark-TTS, OpenAI TTS, ElevenLabs, Kokoro o Typecast. La aplicación incluye una interfaz web intuitiva y un modo terminal para usuarios avanzados.
El proyecto destaca por su flexibilidad en la configuración de modelos y voces, permitiendo mezclar proveedores de chat y síntesis de voz según las necesidades del usuario. Incluye funcionalidades como análisis de estado de ánimo del usuario, juegos interactivos (salas de escape, acertijos) y narrativas inmersivas con personajes predefinidos o personalizados.
La instalación puede realizarse de forma nativa en Windows, Linux o macOS, o mediante Docker para entornos controlados. Se recomienda la instalación nativa para un acceso directo al micrófono sin configuraciones complejas de audio. El proyecto requiere Python 3.11+, ffmpeg y hasta 4 núcleos CPU con 8GB RAM según el análisis técnico.
- Conversar en tiempo real con personajes históricos como Albert Einstein o ficticios como el OS de la película HER mediante síntesis de voz local o APIs externas.
- Jugar a juegos interactivos como salas de escape, acertijos o trivia con personajes que actúan como game masters personalizados.
- Clonar voces locales usando Spark-TTS con archivos .wav de personajes para mantener consistencia en diálogos recurrentes.
- Analizar el estado de ánimo del usuario mediante análisis de sentimiento y ajustar las respuestas de los personajes de IA en consecuencia.
- Usar la API Realtime de OpenAI para interrumpir al personaje de IA durante una conversación y obtener respuestas instantáneas.
- Soporta múltiples proveedores de modelos de lenguaje (OpenAI, xAI, Anthropic, Ollama) y síntesis de voz (Spark-TTS, ElevenLabs, Kokoro, Typecast).
- Interfaz web intuitiva que permite cambiar personajes, modelos y voces en tiempo sin reiniciar la aplicación.
- Instalación nativa recomendada para acceso directo al micrófono sin configuraciones complejas de audio o passthrough de dispositivos.
- Incluye documentación detallada para juegos, historias y configuración de Spark-TTS con clonación de voz local.
- Soporte Docker con imágenes preconfiguradas en Docker Hub para despliegues rápidos en entornos controlados.
- La instalación nativa requiere ffmpeg instalado manualmente según el sistema operativo (Windows, Linux o macOS).
- Spark-TTS necesita un GPU CUDA-capable para rendimiento óptimo, aunque funciona en CPU con menor velocidad.
- El análisis de estado de ánimo depende de la precisión del modelo de sentimiento integrado, que puede variar según el contexto.
- La clonación de voz local con Spark-TTS requiere archivos .wav de alta calidad para resultados consistentes.
- Docker necesita mapeo manual de dispositivos de audio (ej. PULSE_SERVER) en entornos como WSL2 o Linux nativo.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Recomendado instalar nativamente con Python 3.11+ y ffmpeg instalado antes de ejecutar uvicorn app.main:app --host 0.0.0.0 --port 8000. Para Docker, usar docker-compose.yml con variables de entorno en .env y mapeo de dispositivos de audio si es necesario. Evitar Spark-TTS en contenedores sin GPU CUDA para mantener rendimiento aceptable.
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.