Qué es y para qué sirve
Gnani Timbre v3.0 es un sistema de síntesis de voz que permite generar audio expresivo en diez idiomas de la India. El modelo incluye trece voces diseñadas para entregas largas y naturales, con soporte para doce etiquetas de expresión en línea como risas, susurros o suspiros. Estas etiquetas se insertan directamente en el texto para modificar la entonación en tiempo real. Una característica distintiva es la conmutación de código, que permite a una misma voz alternar entre un idioma indio y el inglés a mitad de frase sin cambios de acento ni pausas. Además, el sistema normaliza números y datos específicos de sectores como banca y salud, leyendo correctamente tarjetas, políticas y códigos postales según el sistema numérico indio. La plataforma garantiza una latencia de menos de 150 milisegundos para el primer byte de audio, lo que lo hace apto para agentes de voz en tiempo real. El acceso se realiza mediante API REST, streaming o WebSocket, con integración disponible para Python, LiveKit y Pipecat. El código es cerrado y se ofrece una prueba gratuita de 2500 minutos.
