CopySpeak: Aplicación TTS de Portapapeles de Código Abierto para Windows
CopySpeak es una aplicación de escritorio construida sobre Tauri v2 que captura automáticamente el texto del portapapeles de Windows y lo lee en voz alta utilizando motores TTS locales o en la nube. El proyecto se centra en una huella mínima: backend en Rust para un bajo uso de recursos, frontend construido con Svelte 5, TypeScript y Vite para un desarrollo rápido.
La pila tecnológica incluye Bun v1.3 como gestor de paquetes, rodio para procesamiento de audio, y componentes de UI shadcn-svelte con Tailwind CSS v4.2. Esto permite ejecutar la app incluso en PCs de gama baja sin dependencias de GPU en modo básico.
Modos de Activación y Motores TTS
La app soporta tres formas de activar la reproducción:
- Doble copia: el texto se lee 1,5 segundos después de la segunda copia.
- Teclas rápidas: combinaciones personalizables para lanzamiento instantáneo.
- Entrada manual: pega el texto y pulsa reproducir.
Cinco motores TTS disponibles para distintos escenarios:
- Kitten TTS (predeterminado): modelo ONNX para CPU, 8 voces integradas, optimizado para velocidad.
- Piper TTS: CLI local con >20 voces EN/US, ideal para uso sin conexión.
- Kokoro TTS: CLI local con múltiples voces, enfocado en calidad.
- OpenAI TTS: API en la nube, 9 voces, alta naturalidad.
- ElevenLabs TTS: API en la nube con biblioteca de voces personalizadas.
Cambia de motor en los ajustes sin reiniciar.
Interfaz y Visualización
La superposición HUD es clave: ventana flotante que muestra la forma de onda de audio en tiempo real sobre otras apps. Perfecta para monitorear la generación sin perder el foco.
El historial de generación es persistente: permite reproducción, eliminación y procesamiento por lotes de registros. Guarda audio en MP3, OGG o FLAC con selección de dispositivo de salida.
Ajustes para Ajuste Fino
Ajustes agrupados por categoría:
- General: inicio automático con Windows, modo debug con registros.
- Reproducción: velocidad 0,25x–4x, tono 0,5x–2x, volumen.
- Texto: eliminar marcas Markdown, normalizar puntuación.
- Audio: selección de dispositivo, formato de salida, guardado de archivos.
- UI: tema oscuro/claro.
Esto te permite ajustarla a tu flujo de trabajo de desarrollo: desde lectura rápida de logs hasta escuchar documentación.
Características Principales
- Motores locales (Kitten, Piper, Kokoro) funcionan sin conexión con carga mínima de CPU.
- HUD y teclas rápidas se integran en cualquier flujo de trabajo sin distracciones.
- Código de código abierto en GitHub te permite personalizar la pila a tus necesidades.
- Soporte para API en la nube para voces premium sin perder funciones locales.
- Historial y guardado de audio facilitan reutilizar archivos generados.
— Editorial Team
Aún no hay comentarios.