Los equipos de agentes de voz siguen chocando contra el mismo muro. El catálogo contiene 400 voces y el encargo pregunta por la que no está en él: un recepcionista quebequense de un concesionario de Montreal, un narrador de unos sesenta años con autoridad en una sala de conferencias. Los informes superan en número a cualquier catálogo, y la clonación cierra la brecha, un orador a la vez, cada uno con fuente, consentimiento y una licencia.
Gradium, la empresa de inteligencia artificial de voz con sede en París surgida del laboratorio de investigación de Kyutai, ha ofrecido una respuesta diferente. Voice Design lee una descripción escrita y devuelve voces completamente nuevas en unos segundos. Sin audio de referencia, sin altavoz, sin derechos de autorización.
¿Es desplegable? Sí, Voice Design está disponible en Gradium API y en Studio, es gratuito en todos los planes, incluido el nivel gratuito, y una voz mantenida se ejecuta en el mismo punto final de transmisión de texto a voz que cualquier voz del catálogo, con la misma latencia y formatos de salida.
El resumen del casting es la API
La descripción es la única entrada que recibe el modelo. La documentación de Gradium enumera los atributos a los que responde, y se leen como una convocatoria de casting: género, grupo de edad, acento u origen, tono, ritmo, energía, timbre y resonancia, registro y manera, y el trabajo que realiza la voz. Las descripciones tienen entre 1 y 500 caracteres en inglés, francés, español, portugués o alemán. Gradium aconseja terminar con el uso previsto, porque dirige la entrega y el registro en lugar de solo el color de la voz.
Una solicitud devuelve de 1 a 5 candidatos, que normalmente están listos en 3 a 5 segundos. Son variaciones de un solo carácter, por lo que un carácter diferente significa una descripción diferente, no más muestras.
De candidato a voz de producción
El flujo es de cuatro llamadas. POST /voice-generator/generar identificaciones de candidatos de mints con listo: falso. OBTÉN /voice-generator/embeddings encuestas hasta que cambien. Cada candidato audiciona a través del punto final TTS ordinario, utilizando la identificación del candidato como voice_id. POST /voices/from-embedding promueve el que conservas.
Los candidatos tienen tres restricciones que las voces convertidas no tienen: el texto de audición tiene un límite de 100 caracteres, son solo REST y TTS WebSocket y Speech-to-Speech los rechazan. Los candidatos no convertidos se eliminan después de 30 días. La conversión es gratuita, borra la caducidad y utiliza una ranura de voz personalizada compartida con clones. El nivel gratuito tiene 5, los planes pagos 1000.
El muestreo es deliberadamente no determinista. El equipo de Gradium expande la descripción primero, y esa expansión varía según la solicitud, por lo que el mismo mensaje con una semilla fija aún genera una voz diferente.
‘; }).unirse(”); var fls = el.querySelectorAll(‘.fl’); var ir = función(){
[].slice.call(fls).forEach(function(f,i){ var w = f.getAttribute(‘data-w’) + ‘%’; if(reduce){ f.style.width = w; } else { setTimeout(function(){ f.style.width = w; }, 90*i); } }); }; requestAnimationFrame(ir); correo(); } var modo=”humano”; función drawChart(){ var el = document.getElementById(‘gráfico’); if(modo===’humano’){ paint(el, humano, 100, ‘%’); document.getElementById(‘parNote’).textContent=”50 por ciento es par. La tasa de victorias es la de victorias más la mitad de los empates, en todas las comparaciones.”; } else { pintar(el, llm, 5, ”); document.getElementById(‘parNote’).textContent=”Calificación media de más de 50 indicaciones de acento. 5 significa que cada detalle de acento solicitado está presente de manera audible.”; } } document.getElementById(‘tHuman’).addEventListener(‘click’, function(){ mode=”human”; this.setAttribute(‘aria-pressed’,’true’); document.getElementById(‘tLlm’).setAttribute(‘aria-pressed’,’false’); drawChart(); }); document.getElementById(‘tLlm’).addEventListener(‘click’, function(){ mode=”llm”; this.setAttribute(‘aria-pressed’,’true’); document.getElementById(‘tHuman’).setAttribute(‘aria-pressed’,’false’); drawChart(); }); función drawAccents(){ paint(document.getElementById(‘chart2’), acentos, 100, ‘%’); } renderBreve(); correo(); })();