Gradium AI lança modelo de tts aprimorado com alta precisão e velocidade

A Gradium AI lançou um novo modelo padrão de texto para fala (TTS), alcançando uma taxa de aprovação de 81,0% avaliada por humanos em um conjunto de avaliação de 500 frases complexas em cinco idiomas. Este modelo supera concorrentes como Cartesia Sonic 3.6 (75,1%) e ElevenLabs v3 Conversational (65,4%). O novo modelo, disponível através da API e do Studio da Gradium, oferece um tempo de primeiro áudio de 216 ms em P50 no Coval, 170 ms mais rápido do que sua versão anterior. A empresa afirma ter a menor taxa de falha em casos difíceis com menos de 250 ms de primeiro áudio, com mínima variação. O conjunto de avaliação, disponibilizado em código aberto no Hugging Face, inclui 100 itens em 10 critérios em cinco idiomas, com pontuação humana rigorosa. A Gradium também relata um intervalo interquartil apertado de 30 ms em 480 execuções, em comparação com uma dispersão de 165 ms para Cartesia Sonic 3.6. Embora não seja o modelo mais rápido no benchmark do Coval, a combinação de precisão e velocidade da Gradium a posiciona como um forte concorrente. Os usuários existentes não precisam tomar nenhuma ação, pois o modelo é aplicado automaticamente sem interromper as configurações de voz atuais.