Busca la dinámica global de productos de IA

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

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.

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

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...

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.

Recientemente, smallest.ai, una startup de IA con sede en San Francisco, California, lanzó su nuevo producto Lightning, un modelo de texto a voz (TTS) capaz de generar hasta 10 segundos de audio en 100 milisegundos. Este avance tecnológico permite a los desarrolladores de todo el mundo crear aplicaciones de robots de voz de alta fidelidad con una latencia extremadamente baja, lo que reduce los costes de implementación y mejora la accesibilidad de las aplicaciones. Lightning admite actualmente varios acentos en inglés e hindi, y el equipo planea agregar rápidamente más idiomas.

Zhihu AI ha anunciado que su tecnología de voz emocional de extremo a extremo se ha lanzado oficialmente en la plataforma Zhihu Qingyan y está disponible para todos los usuarios. Esta tecnología supera las limitaciones de las tecnologías tradicionales de conversión de texto a voz (TTS), pudiendo comprender profundamente el contexto y generar conversaciones naturales llenas de emoción. Esto marca que la tecnología de síntesis de voz de Zhihu AI ha evolucionado de una simple lectura de texto a una inteligencia artificial capaz de expresar emociones reales.

Recientemente, un equipo de investigación de la Universidad Jiao Tong de Shanghai, la Universidad de Cambridge y el Instituto de Investigación de Automóviles Geely ha presentado un nuevo sistema de texto a voz (TTS), llamado F5-TTS. Lo especial de este sistema es que utiliza un método no autorregresivo, combinando el emparejamiento de flujo con el transformador de difusión (DiT), simplificando con éxito los complejos pasos de los modelos TTS tradicionales. Como todos sabemos, los modelos TTS tradicionales a menudo requieren un modelado de duración complejo, alineación de fonemas y codificación de texto especializada, lo que aumenta el proceso de síntesis.

OpenAI ha integrado su avanzada API de texto a voz en su plataforma Playground para desarrolladores, ofreciendo una experiencia de uso sencilla e integrada. Solo necesita introducir un mensaje de texto y podrá elegir entre seis voces preestablecidas, con la IA seleccionando inteligentemente la lengua y la región adecuadas, eliminando la necesidad de realizar selecciones manuales. Esta API no solo simplifica el proceso de desarrollo, sino que también ofrece una tecnología de síntesis de voz excepcional, convirtiendo el texto escrito en archivos de audio de alta calidad que suenan como conversaciones humanas reales, abriendo posibilidades para experiencias de usuario inmersivas e interactivas.

Recientemente, ElevenLabs, una empresa centrada en la tecnología de voz, lanzó una innovadora aplicación llamada Reader App, destinada a ofrecer a los usuarios una experiencia de lectura completamente nueva. Esta aplicación puede convertir diversos contenidos de texto en reproducción de voz de alta calidad, proporcionando a los usuarios una experiencia móvil cómoda de lectura auditiva. La función principal de Reader App radica en su potente capacidad de conversión de texto a voz. Los usuarios pueden cargar fácilmente en la aplicación contenido en diversos formatos, como artículos, archivos PDF, libros electrónicos ePub, correos electrónicos, etc.

El servicio de texto a voz de Microsoft Azure AI se ha actualizado con nuevas voces masculinas y compatibilidad con más idiomas. Se ha añadido la nueva voz masculina Ryan Multilingual, permitiendo a los usuarios crear experiencias de usuario más diversas. La compatibilidad con idiomas se ha ampliado de 14 a 41, ofreciendo a los usuarios más opciones.