MiniMax Audio lanza el modelo de voz Speech-02: entrada de hasta 200.000 caracteres

Lanzamiento de Dia, un modelo TTS de código abierto revolucionario: admite emociones, indicaciones no verbales y se compara con conversaciones humanas

Una startup de dos personas llamada Nari Labs ha lanzado Dia, un modelo de texto a voz (TTS) de 1600 millones de parámetros diseñado para generar conversaciones naturales directamente a partir de indicaciones de texto. Su cofundador, Toby Kim, afirma que Dia supera a los productos propietarios de la competencia, como ElevenLabs, y a la función de generación de podcasts de NotebookLM AI de Google, y que podría desafiar a gpt-4o-mini, recientemente lanzado por OpenAI.

Sistema de texto a voz Spark-TTS: Admite la clonación de voz de muestra cero y el control de grano fino

Podcastle, la plataforma de podcasts, lanza un modelo de texto a voz con IA: 450 voces disponibles

En el dinámico mundo de los podcasts, la plataforma Podcastle ha anunciado recientemente el lanzamiento de su nuevo modelo de texto a voz con IA, Asyncflow v1.0. Este nuevo modelo no solo ofrece a los usuarios más de 450 voces de IA diferentes, sino que también pone a disposición de los desarrolladores una API para integrar fácilmente esta funcionalidad de texto a voz en sus propias aplicaciones. El fundador de Podcastle, Arto Yeritsyan, declaró que la empresa siempre ha querido desarrollar un texto

Modelo de texto a voz de Bilibili IndexTTS: Corrige la pronunciación de caracteres chinos con pinyin y controla con precisión las pausas

Hume lanza Octave, un sistema revolucionario de texto a voz que comprende las emociones y el contexto

Supertone Play, la herramienta de voz AI de HYBE, ya está disponible: clona tu voz en 10 segundos

Recientemente, Supertone, la compañía de voz de inteligencia artificial de HYBE, anunció el lanzamiento de "Supertone Play", una herramienta de texto a voz diseñada para generar contenido de audio de alta calidad y expresivo. Esta nueva herramienta actualmente admite inglés, coreano y japonés, y se espera que se expanda a español y chino en el transcurso del año. Supertone Play ofrece 150 personajes de voz, adecuados para diversas necesidades de creación de contenido, incluyendo conversaciones naturales, noticias profesionales y audiolibros.

Kokoro-TTS: Un pequeño modelo de texto a voz que alcanzó el primer puesto en las clasificaciones de TTS

En el rápido desarrollo de la inteligencia artificial, la tecnología de síntesis de voz está recibiendo cada vez más atención. Recientemente, se lanzó oficialmente en la plataforma Hugging Face un nuevo modelo de síntesis de voz llamado Kokoro, con 82 millones de parámetros, lo que marca un hito importante en el campo de la síntesis de voz. Kokoro v0.19 ocupó el primer lugar en las clasificaciones de TTS (texto a voz) semanas antes de su lanzamiento, superando incluso a otros modelos con más parámetros. Este modelo, en una configuración monoaural, solo con

Hume AI lanza OCTAVE, un motor de voz versátil: texto a voz humana en segundos, clonación de personalidad

¡Gran avance en el campo de la voz con inteligencia artificial! Hume AI ha lanzado recientemente OCTAVE, un nuevo motor de texto a voz que puede generar o clonar voces y rasgos de personalidad realistas con solo una descripción de texto simple o una grabación de voz de 5 segundos, abriendo un mundo de posibilidades para personajes virtuales e interacción humano-máquina. La potencia de OCTAVE reside en su capacidad no solo para generar voz natural, sino también para imitar con precisión el sexo, la edad, el acento, el tono emocional y el estilo de habla específico de una profesión del hablante. Esto lo hace capaz de crear...

¡Instantáneo! ElevenLabs lanza el modelo de diálogo de voz Flash: solo 75 milisegundos de retraso y compatible con 32 idiomas

ElevenLabs ha lanzado recientemente su último modelo de síntesis de voz, Flash, que afirma ser la solución de texto a voz (TTS) más rápida hasta la fecha, con un retraso de generación de voz de tan solo 75 milisegundos (más el retraso de la aplicación y la red). Flash es especialmente adecuado para asistentes de voz conversacionales de baja latencia, y los usuarios pueden experimentar esta nueva función inmediatamente en la plataforma de IA conversacional de ElevenLabs. El modelo Flash se divide en dos versiones: Flash v2 solo admite inglés, mientras que F...

OuteTTS-0.1-350M: Un nuevo método de síntesis de texto a voz con clonación de voz de muestra cero

Recientemente, Oute AI ha lanzado un nuevo método de síntesis de texto a voz llamado OuteTTS-0.1-350M. Este método utiliza el modelado de lenguaje puro, sin adaptadores externos ni arquitecturas complejas, ofreciendo un método TTS simplificado. OuteTTS-0.1-350M se basa en la arquitectura LLaMa y utiliza WavTokenizer para generar directamente etiquetas de audio, lo que hace que el proceso sea más eficiente. Este modelo cuenta con la capacidad de clonación de voz de muestra cero, necesitando solo unos segundos de audio de referencia.