Gradium AI lanza un nuevo modelo de texto a voz con alta precisión y velocidad

Gradium AI ha lanzado un nuevo modelo de texto a voz (TTS) predeterminado, logrando una tasa de aprobación del 81.0% según la valoración humana en un conjunto de evaluación de 500 oraciones difíciles en cinco idiomas. Este modelo supera a competidores como Cartesia Sonic 3.6 (75.1%) y ElevenLabs v3 Conversational (65.4%). El nuevo modelo, disponible a través de la API y el Studio de Gradium, ofrece un tiempo de audio inicial de 216 ms en P50 en Coval, 170 ms más rápido que su predecesor. La empresa afirma que tiene la tasa de fallo más baja en casos difíciles con un tiempo de audio inicial inferior a 250 ms, con una varianza mínima. El conjunto de evaluación, de código abierto en Hugging Face, incluye 100 elementos en 10 criterios en cinco idiomas, con una valoración humana estricta. Gradium también informa de un estrecho rango intercuartílico de 30 ms en 480 ejecuciones, en comparación con un margen de 165 ms para Cartesia Sonic 3.6. Aunque no es el modelo más rápido en la prueba de Coval, la combinación de precisión y velocidad de Gradium lo posiciona como un fuerte competidor. Los usuarios existentes no necesitan realizar ninguna acción, ya que el modelo se aplica automáticamente sin interrumpir las configuraciones de voz existentes.