Modelos de IA de audio

Modelo de transcripción de audio a texto en inglés de Fermion Research. Con solo 164 MB, ofrece alta precisión para desarrolladores que buscan eficiencia en dispositivos locales y servidores.

Eleven v4 es el modelo de texto a voz más emotivo de ElevenLabs, diseñado para creadores y desarrolladores. Genera audio natural en más de 90 idiomas con control fino sobre emociones y efectos sonoros, ideal para diálogos complejos y aplicaciones en vivo.

Modelo de texto a voz de latencia ultra baja de ElevenLabs. Diseñado para agentes conversacionales y aplicaciones en vivo. Ofrece expresividad avanzada y fluidez nativa en más de 90 idiomas.

Modelo de Google para generación de audio que permite crear voces nuevas o replicar existentes mediante lenguaje natural. Dirigido a desarrolladores y creadores que buscan audiolibros, podcasts y agentes de voz con control emocional y de ritmo.

Modelo de audio de Google para generación de voz a gran escala. Ideal para doblaje y agentes conversacionales. Ofrece control fino del tono y ritmo en más de 100 idiomas, optimizado para producción rápida y económica.