AI Voice-InterConnector · Kernel de voz en CPU

Clona y traduce voces por turnos,manteniendo tu timbre y prosodia.

Name: AI Voice-InterConnector
Author: EvolutiveX

El motor acústico local de EvolutiveX que te devuelve la traducción hablada con tu propia voz segundos después de cada intervención. Combina Clonación de voz con consentimiento, Speech-to-Text (STT), Traducción español ⮂ inglés, Text-to-Speech (TTS) y limpieza de ruido 100 % en CPU. Invocable vía subproceso desde cualquier lenguaje y núcleo de EvolutiveX Agents y nuestras próximas aplicaciones.

Instalar el kernel Ver integración en lenguajes

Entrada · Voz hablada (--mic push-to-talk o --audio WAV · es)speech dub · Turno en CPU

«Despleguemos el kernel acústico hoy; la cadencia y el timbre deben mantenerse intactos.»

01 · PARAKEET TDTSpeech-to-Text (STT)16 kHz mono int16
02 · OPUS-MT INT8Traducción español ⮂ inglésCTranslate2 en CPU
03 · QWEN3-TTS 0.6BText-to-Speech (TTS)Perfil reference.qvoice

Resultado · Audio reproducido con tu voz clonada (--target-language en · -v mi_voz)

«Let’s deploy the acoustic kernel today; cadence and timbre must remain intact.»

ai-voice-interconnectorspeechdub--mic--source-languagees--target-languageen-vmi_voz

Ejecución 100 % local en tu procesadorkernel v0.42.0 · MPL-2.0

100 % PRIVADO · COSTE CEROSin APIs externas ni suscripcionesTus grabaciones y tu perfil vocal jamás salen de tu equipo; sin coste por minuto de audio
ESPAÑOL ⮂ INGLÉS NATIVOVoz y texto bilingüe en localTranscripción, traducción y síntesis cruzada entre ambos idiomas
BINARIO AUTÓNOMO EN CPUWin x64 · Linux x64/ARM64 · macOS M1+Ejecución íntegra en procesador estándar, sin GPU dedicada ni instalación de runtimes externos
INTEGRABLE EN TUS APPSPython · Node · Rust · C# y CLIAñade clonación, transcripción y traducción hablada a cualquier proyecto o lenguaje

Capacidades del Kernel

Todo el espectro de la voz neuronal, corriendo en tu CPU.

El verdadero desafío de la voz artificial no es solo leer texto: es cruzar de un idioma a otro en segundos conservando quién habla y con qué expresión lo dice, sin depender de granjas de GPUs ni APIs en la nube.

Speech-to-Speech (STS) · Comando speech dub

Speech-to-Speech (STS) manteniendo timbre y prosodia

Habla al micrófono (push-to-talk) o pasa un archivo WAV y escucha la traducción hablada apenas unos segundos después con tu propia voz. El pipeline encadena Speech-to-Text (STT) con Parakeet TDT, Traducción español ⮂ inglés con opus-mt y Text-to-Speech (TTS) con Qwen3-TTS 0.6B condicionado por tu perfil vocal.

Síntesis condicionada por reference.qvoice
Timbre y cadencia vocal preservados
Procesamiento por turno en segundos en CPU

Biometría vocal local · Comando voice clone

Clonación de voz con consentimiento

Registra tu voz o una voz autorizada con ~10 s recomendados (máx. 30 s) de audio (--mic --duration 10 o --speech-reference). El motor Qwen3-TTS 0.6B Base extrae la huella acústica reference.qvoice en tu almacén local sin retener copias del WAV de muestra ni subir datos a internet.

Perfil precalculado reference.qvoice
Clonación de voz con consentimiento
Cero retención en la nube

Operaciones atómicas · transcribe · translate · say

Speech-to-Text (STT), Traducción español ⮂ inglés y Text-to-Speech (TTS)

Cada etapa del kernel está disponible como comando individual: transcribe voz a texto con Parakeet TDT 0.6B v3 (int8), traduce texto entre español e inglés con opus-mt y sintetiza voz a 24 kHz mono PCM16 con Qwen3-TTS.

Parakeet TDT 0.6B v3 (STT)
opus-mt int8 (Traducción español ⮂ inglés)
Qwen3-TTS 0.6B (TTS 24 kHz)

Restauración acústica · Comando speech denoise

Limpieza de ruido en audio y vídeo (MP4 / WAV)

Elimina el ruido de fondo en grabaciones de voz o directamente en la pista de audio de un vídeo (MP4, MKV, MOV) sin tocar ni recodificar la imagen, usando el modelo DPDFNet8 y presets de estudio.

DPDFNet8 en CPU
Audio WAV/FLAC y vídeo MP4/MKV
Integrable con --denoise en STT y STS

Arquitectura de Sistemas

Ingeniería modular en Rust compilada en un único binario autónomo.

AI Voice-InterConnector integra en un mismo ejecutable nativo los motores neuronales de voz, ONNX Runtime y FFmpeg. Está diseñado para operar sin interfaz gráfica, tanto en invocaciones directas por comando como mediante un daemon residente de baja latencia.

MODO 01 · EJECUCIÓN ATÓMICA (ONE-SHOT)

Invocación directa por CLI y scripts

Ejecuta operaciones puntuales de transcripción, traducción, síntesis o limpieza de vídeo desde cualquier terminal o pipeline automatizado con códigos de salida deterministas.

$ ai-voice-interconnector --json speech transcribe --audio muestra.wav --source-language es

MODO 02 · DAEMON RESIDENTE (127.0.0.1:8765)

Motores calientes en RAM para respuesta en segundos

El servidor HTTP local mantiene cargados en memoria los 5 modelos de arranque y supervisa el proceso hijo de síntesis con --watch-stdin para evitar procesos huérfanos.

$ ai-voice-interconnector daemon start && ai-voice-interconnector daemon status --json

WORKSPACE MODULAR EN RUST · CRATES PRINCIPALES DEL KERNEL

avi-coreContratos JSON (schema_version "6"), códigos de salida y reasons tipados
avi-ttsMotor residente Qwen3-TTS 0.6B (CustomVoice + Base .qvoice)
avi-sttTranscripción neuronal Parakeet TDT 0.6B v3 sobre ONNX Runtime
avi-translationTraducción bidireccional opus-mt int8 sobre CTranslate2
denoiseRestauración acústica DPDFNet8 con FFmpeg embebido para MP4/MKV
avi-daemon · avi-lifecycleServidor Axum en loopback y autogestión (setup, doctor, self update)

Binario AutocontenidoRuntime y dependencias integradas
Empaqueta ONNX Runtime, FFmpeg embebido y parches de sistema sobre hf-hub (hardlinks en Windows) y alsa-sys (dlopen), listo para ejecutar tras la instalación.
4 Arquitecturas NativasCobertura real incluido Linux ARM64
Compilado y validado en CI para Windows x64, Linux x64, Linux ARM64 y macOS Apple Silicon (M1+).
6 Modelos (~5,9 GB)Aprovisionamiento único con watchdogs
El comando setup verifica la integridad de cada archivo y doctor --json audita el entorno completo.

¿Usas Claude Code? El plugin oficial EvolutiveX Agents consume este kernel para dar voz y notificaciones nativas a tus sesiones.

Conocer EvolutiveX Agents →

Integración Políglota

Invocable desde cualquier lenguaje vía subproceso.

Cada comando acepta --json para escribir su resultado estructurado en stdout (sin necesidad de interpretar texto) y cuenta con un daemon opcional que mantiene los motores cargados en memoria entre invocaciones.

Subproceso en Python

import json, subprocess

salida = subprocess.run(
  [
      "ai-voice-interconnector", "--json",
      "speech", "synthesize",
      "--text", "Hola mundo",
      "--label", "saludo",
      "-v", "mi_voz",
  ],
  capture_output=True, text=True, check=True,
).stdout
print(json.loads(salida)["audio_path"])

Subproceso en Node.js / TS

import { execFile } from 'node:child_process';
import { promisify } from 'node:util';

const execFileAsync = promisify(execFile);

const { stdout } = await execFileAsync('ai-voice-interconnector', [
'--json',
'speech', 'dub',
'--audio', 'grabacion.wav',
'--source-language', 'es',
'--target-language', 'en',
'-v', 'mi_voz',
]);
const res = JSON.parse(stdout); // { status: "dubbed", text, translated }

Subproceso en Rust

use std::process::Command;

let output = Command::new("ai-voice-interconnector")
  .args([
      "--json",
      "speech", "transcribe",
      "--audio", "grabacion.wav",
      "--source-language", "es",
  ])
  .output()?;

Subproceso en C#

// C# (.NET) — Traducción con salida JSON estructurada en stdout
using var proc = Process.Start(new ProcessStartInfo {
  FileName = "ai-voice-interconnector",
  Arguments = "--json translate --text \"Hola, ¿cómo estás?\" --source-language es --target-language en",
  RedirectStandardOutput = true,
  UseShellExecute = false
});

Subproceso en CLI directo

ai-voice-interconnector voice clone --name mi_voz --mic --duration 10
ai-voice-interconnector speech dub --mic --source-language es --target-language en -v mi_voz
ai-voice-interconnector speech say --text "Hola mundo" -v mi_voz
ai-voice-interconnector speech denoise entrevista.mp4

Privacidad Biométrica y Uso Ético

Tu voz y tu huella vocal jamás salen de tu equipo.

Clonar una voz o traducir una conversación privada no debería exigir entregar tu identidad acústica a una API externa. AI Voice-InterConnector ejecuta toda la inferencia en tu propia CPU.

Código abierto MPL-2.0 · Sin cuentas, sin suscripciones por minuto de audio y sin bloqueo de proveedor.

BIOMETRÍA Y PROCESAMIENTO LOCAL
Clonación, traducción y síntesis 100 % en tu máquina
Al clonar una voz, el almacén interno del kernel guarda únicamente la huella acústica precalculada reference.qvoice sin retener copias del WAV de referencia ni subir datos a la nube. Una vez aprovisionados los modelos con setup, no realiza llamadas de red ni incluye telemetría.
USO ÉTICO Y CONSENTIMIENTO EXPLÍCITO
Responsabilidad y transparencia acústica
El audio sintetizado no lleva marca de agua técnica y no se distingue por medios automáticos de una grabación real. Clona únicamente voces con el consentimiento explícito de su titular, no suplantes identidades e indica siempre cuando compartas audio generado por IA.
CICLO DE VIDA TRANSPARENTE Y AUDITABLE
Control total sobre binarios, caché y modelos en disco
Puedes inspeccionar el estado del entorno con doctor --json, actualizar con verificación SHA-256 mediante self update o limpiar todos los modelos y perfiles vocales con cleanup --all --yes o self uninstall.

Instalación del Kernel

Instala AI Voice-InterConnector en una sola línea.

El instalador oficial no requiere permisos de administrador, verifica el checksum SHA-256 contra SHA256SUMS.txt, añade el binario a tu PATH y descarga los 6 modelos (~5,9 GB) para operar 100 % offline.

Camino Principal · El Kernel de Voz

AI Voice-InterConnector (CLI y Subproceso)

Disponible para Windows 10 1903+ (x64), Linux x64 y ARM64 (glibc ≥ 2.28) y macOS con Apple Silicon (M1 en adelante).

Windows · PowerShell

irm https://github.com/CristianRojas-SoftwareEngineer/AI-Voice-InterConnector/releases/latest/download/install.ps1 | iex

Linux y macOS · Script de una línea

curl -fsSL https://github.com/CristianRojas-SoftwareEngineer/AI-Voice-InterConnector/releases/latest/download/install.sh | sh

macOS · Alternativa con Homebrew Cask

brew tap CristianRojas-SoftwareEngineer/ai-voice-interconnector && brew install --cask ai-voice-interconnector && ai-voice-interconnector setup

Verificar estado del entorno y modelos

ai-voice-interconnector doctor

Una vez descargados los ~5,9 GB de modelos en el primer arranque (o con setup en Homebrew), todo el kernel opera 100 % sin conexión en CPU.

Preguntas frecuentes del Kernel

Todo sobre AI Voice-InterConnector.

¿Cómo logra traducir voz a voz (Speech-to-Speech) manteniendo timbre y prosodia en CPU?

El comando speech dub encadena tres motores optimizados para CPU: transcribe tu intervención con Parakeet TDT 0.6B v3 (int8), traduce el texto con opus-mt (CTranslate2 int8) y sintetiza la respuesta con Qwen3-TTS 0.6B condicionada por tu perfil vocal precalculado (reference.qvoice). Con el daemon activo, los modelos permanecen cargados en RAM para responder en segundos.

¿Qué tareas puede realizar el kernel AI Voice-InterConnector?

Seis capacidades que puedes usar juntas o por separado: Clonación de voz local con consentimiento (voice clone), Speech-to-Text (STT con speech transcribe), Traducción español ⮂ inglés (translate), Text-to-Speech (TTS con speech synthesize / speech say), Speech-to-Speech (STS con speech dub) y limpieza de ruido en audio y vídeo (speech denoise).

¿Cómo lo invoco desde mi propio lenguaje de programación?

El kernel es un binario nativo autónomo. Cualquier lenguaje que pueda abrir un subproceso (Python, Node.js/TypeScript, Rust, Go, C#, C++ o shell) puede invocarlo pasando el flag global --json para recibir respuestas estructuradas (schema_version "6") directamente en stdout.

¿Realmente no necesito una GPU dedicada?

No. Toda la inferencia corre en CPU en Windows x64 (Windows 10 1903+), Linux x64/ARM64 (glibc ≥ 2.28) y macOS Apple Silicon (M1 en adelante). Se recomiendan 8 GB de RAM (4 GB mínimo) y ~5,9 GB de espacio en disco para los 6 modelos.

¿Qué ventajas aporta su arquitectura de binario nativo con daemon local?

Permite integrar capacidades de voz neuronal en cualquier flujo o aplicación de forma directa y sin depender de una interfaz gráfica abierta. Puedes ejecutar comandos puntuales en modo one-shot o mantener el daemon activo en memoria RAM para obtener respuestas en segundos, con soporte nativo en Windows x64, Linux x64/ARM64 y macOS Apple Silicon, y gestión integrada de su propio ciclo de vida (setup, doctor, self update y cleanup).

¿Funciona sin internet y qué pasa con el audio que uso para clonar mi voz?

Una vez descargados los ~5,9 GB de modelos con el instalador o setup, el kernel funciona 100 % offline. Al clonar una voz, el almacén interno guarda únicamente la huella precalculada reference.qvoice sin retener copias del WAV en el almacén ni enviar ningún dato fuera de tu máquina.

¿Cuánto cuesta y qué licencia tiene?

Es 100 % gratuito y de código abierto bajo licencia MPL-2.0, tanto para uso directo desde la terminal como para integrarlo vía subproceso en tus propias aplicaciones.