Audio premium — TTS y ASR de alta calidad

Esta guía explica cómo usar los providers nuevos añadidos en Fase 34. Los providers originales (system, edge, piper) siguen funcionando exactamente igual; lo aquí descrito es opt-in.

Instalación rápida

# Stack local recomendado (Kokoro TTS + Whisper Turbo ASR)
uv pip install -e "packages/jw-core[audio-premium]"

# Solo TTS premium local + ElevenLabs
uv pip install -e "packages/jw-core[tts-premium]"

# Solo ASR premium (Whisper Turbo + Deepgram)
uv pip install -e "packages/jw-core[asr-premium]"

TTS providers

Provider	Comando	Coste	Network	Notas
kokoro_local	jw say "..." --provider kokoro_local	$0	No	Recomendado por defecto
edge	jw say "..." --provider edge	$0	Sí	Voces neurales de MS
system	jw say "..." --provider system	$0	No	say/espeak
piper	jw say "..." --provider piper	$0	No	Requiere .onnx
elevenlabs	jw say "..." --provider elevenlabs	$$	Sí	Necesita ELEVENLABS_API_KEY
xtts	jw say "..." --provider xtts --voice sample.wav	$0	No	Doble opt-in obligatorio
f5	jw say "..." --provider f5	$0	No	Experimental, requiere NVIDIA

ASR providers

# Auto-select (recomendado): elige large-v3-turbo si tienes >=8GB VRAM
jw transcribe audio.mp3 --model auto

# Forzar tamaño
jw transcribe audio.mp3 --model large-v3-turbo
jw transcribe audio.mp3 --model base

# API (streaming, mejor para reuniones largas)
DEEPGRAM_API_KEY=dg-... jw transcribe audio.mp3 --provider deepgram

Clonación de voz (XTTSv2)

Esta característica es opt-in doble por razones éticas:

1. La librería coqui-tts debe estar instalada (jw-core[tts-xtts]).
2. El env JW_XTTS_CLONE_CONSENT=1 debe estar presente.
3. Se debe pasar un sample WAV de 6-10s como --voice.

Cada output viene acompañado de un *.consent.txt documentando la clonación. Política #6 del overview de fases 33-38 establece que ninguna voz clonable de un hermano puede usarse sin consentimiento archivable.

Variables de entorno

Ver la sección homónima en el spec docs/superpowers/specs/2026-05-31-fase-34-audio-premium-design.md.

Troubleshooting

• Kokoro descarga lenta: el modelo (~310MB) se cachea en ~/.cache/huggingface. Ejecuta jw say "warmup" --provider kokoro_local una sola vez después de instalar.
• is_available() devuelve False con la key puesta: confirma que el env está exportado en el shell donde corres jw (echo $ELEVENLABS_API_KEY).
• F5 falla en MLX: F5-MLX es experimental. Usa Kokoro en M3/M4.