Bueno, para los que aún no lo sabían: he escrito mi propia novela y quiero grabarla en audio próximamente. Y como no tengo ganas de volver a leer mi propio libro yo mismo, lo voy a hacer usando mi propia voz mediante una generación con Qwen3-TTS. Para eso, primero tengo que entrenar mi voz. Durante meses, con mi pipeline de Voice Chaser, no solo he transcrito mi voz, sino que también la he grabado y he creado un dataset al mismo tiempo. El dataset original incluía 67 horas de tiempo de habla puro y, tras la destilación —quitar ruidos y demás—, han quedado al menos 43 horas. Todo esto sigue en desarrollo y continúa avanzando, pero ya os muestro aquí todo el tinglado, donde podéis descargar el dataset de Hugging Face. Solo son 28 GB...
Gallery
