#text-to-speech
7 stories taggedtext-to-speech.
Hugging Face ahora puede clasificar todos los modelos de voz de IA de código abierto en horas
Existen más de 8.000 modelos de síntesis de voz, pero probarlos siempre ha llevado demasiado tiempo. Un nuevo panel de puntuación automatizado cambia eso y coloca las voces de código abierto en igualdad de condiciones por primera vez.
Gemini de Google ahora puede inventar una voz desde cero, en 100 idiomas
Dos nuevos modelos de síntesis de voz permiten a cualquiera diseñar una voz de personaje personalizada, doblar en decenas de acentos o clonar su propia voz a partir de una muestra de 30 segundos.
Pocket FM now makes 99% of its new audio content with AI, and revenue has hit $500 million
The Indian audio storytelling app has slashed production costs by 80 times and grown its library to 770,000 series. Humans still write the ideas. AI does almost everything else.
La IA de voz abierta y gratuita de NVIDIA ahora habla 12 idiomas y responde en menos de una décima de segundo
Una nueva versión del modelo de síntesis de voz Magpie de NVIDIA añade árabe, coreano y portugués, y se ejecuta lo suficientemente rápido en tu propio hardware para que los asistentes de voz se sientan naturales.
La nueva tecnología de voz de IA en el dispositivo de Apple hace que Siri suene más humano, sin enviar tu audio a la nube
Un artículo de investigación del equipo de aprendizaje automático de Apple revela el motor de audio detrás de las nuevas voces más expresivas de Siri. Todo el procesamiento ocurre en tu iPhone, utilizando un chip que ya tienes.
Fish Audio recauda $50 millones para clonar voces, pero persisten dudas sobre consentimiento
La startup de Palo Alto tiene 8 millones de usuarios y $21 millones en ingresos anuales. Su nueva financiación impulsará contratos empresariales y modelos más avanzados. Una controversia reciente sobre cargas de voz no autorizadas aún no se ha resuelto completamente.
¿La IA de voz puede hablar, pero realmente puede escuchar?
Un estudio a gran escala con humanos revela que los mejores modelos de voz actuales suelen pasar por alto las pausas, vacilaciones y cambios de tono que hacen que la conversación real funcione.