#2839·GPT-SoVITS

feat: Pestaña de Inicio Rápido mejorada + Conversión de Archivos a Voz

Author: 78bb8m699p-hueCreated Sep 14, 2026Updated Sep 14, 2026

Resumen

Se proponen dos mejoras significativas para la WebUI de GPT-SoVITS:

1️⃣ Pestaña de Inicio Rápido Mejorada

Una interfaz totalmente rediseñada con:

  • Botones interactivos con navegación entre opciones
  • 15+ Preguntas frecuentes organizadas en 3 categorías (General, Técnico, Calidad)
  • Ejemplos visuales con tablas, diagramas y emojis
  • Mejoras de estilo profesionales (gradientes, colores, animaciones)
  • Selector de tema (claro/oscuro)
  • 4 opciones de flujo claramente explicadas (TTS Rápido, Entrenar, Cambio de Voz, Avanzado)

2️⃣ Funcionalidad de Conversión de Archivos a Voz

Nuevo módulo completo que permite:

  • ✅ Subir y convertir archivos: PDF, DOCX, TXT, Markdown
  • ️ Síntesis automática de audio desde documentos
  • ️ Opciones de personalización (modelo, emoción, velocidad)
  • Vista previa del texto extraído
  • ⬇️ Descarga directa de MP3

Cambios Principales

Componente Mejora
Interfaz Gradientes profesionales y animaciones suaves
UX 4 opciones de flujo claramente diferenciadas
FAQ De 3 a 15+ preguntas en 3 categorías
Archivos Soporte para 4 formatos de documento
Accesibilidad Iconos descriptivos y respuesta intuitiva

Archivos Disponibles

He preparado los cambios en un fork: https://github.com/dfgarcia1964-design/GPT-SoVITS

Archivos principales:

  • webui_complete.py - Interfaz integrada con todas las pestañas
  • file_to_speech.py - Módulo de conversión de archivos
  • QUICKSTART_ENHANCED.py - Componente de Inicio Rápido
  • FILE_TO_SPEECH_GUIDE.md - Documentación completa
  • INTEGRATION_GUIDE.md - Guía de integración paso a paso

✨ Características Destacadas

Pestaña Inicio Rápido:

  • Header con gradiente azul-morado
  • 4 opciones de workflow con descripción
  • ❓ FAQ expandible en 3 categorías
  • Consejos prácticos para comenzar
  • Diseño responsive y accesible

Conversión Archivos a Voz:

  • Extrae automáticamente texto de PDF/DOCX/TXT/MD
  • ️ Limpia sintaxis markdown para mejor lectura
  • Muestra estadísticas de caracteres y líneas
  • ️ Controles avanzados (chunk size, voz de referencia)
  • ✅ Validación de archivos (máximo 100MB, 10,000 caracteres)

Pruebas Realizadas

✅ Interfaz visual funcionando correctamente ✅ Botones y navegación responsivos ✅ FAQ expandible sin errores ✅ Selector de tema visible ✅ Extracción de múltiples formatos de archivo ✅ Validación de archivos correcta ✅ Vista previa de texto funcionando

Notas Adicionales

  • Todos los textos están en español con buena accesibilidad
  • El código sigue las convenciones de GPT-SoVITS
  • Compatible con Gradio actual
  • Listo para integración en producción

Links de Referencia

¡Esperamos que estas mejoras hagan la experiencia más intuitiva para nuevos usuarios!