15 noticias
Nari Labs presenta una implementación open source del modelo de síntesis de voz Qwen3-TTS CustomVoice 1.7B que alcanza 10 peticiones por segundo (RPS) con un tiempo al primer audio (TTFA) inferior a 50 milisegundos en percentil 95 sobre una única GPU NVIDIA H100 SXM. El equipo comparó su sistema con
Speko, una startup respaldada por Y Combinator en su promoción S26, se presenta como el equivalente para voz de OpenRouter, la plataforma que permite elegir entre distintos modelos de inteligencia artificial desde una única interfaz. Su fundador, Bek, lanzó el producto este lunes en Hacker News, don
mere.run es un entorno de ejecución de inferencia con filosofía local-first pensado para Apple Silicon y Linux sin interfaz gráfica. Un único CLI público agrupa generación y análisis de imagen, texto, voz, visión, música, sonido, vídeo, 3D y mundos, además de entrenamiento ligero y un servidor de AP
Inflect-Micro-v2 es un modelo de síntesis de voz texto a forma de onda que funciona de forma local, con 9,36 millones de parámetros y 37,53 MB en FP32, y que produce audio mono a 24 kHz. Su autor, Owen, lo ha desarrollado y financiado de forma independiente y lo distribuye en Hugging Face con versio
Orate es una aplicación para macOS que transforma texto seleccionado en cualquier programa en audio hablado de forma natural, funcionando como una cola de escucha personal. Funciona íntegramente en el dispositivo: la síntesis de voz se genera en el propio Mac mediante Apple Silicon, de modo que ni l
OfflineTTS es una plataforma gratuita y centrada en el navegador que reúne en un único kit varias herramientas de audio con IA para creadores, investigadores y usuarios con necesidades de accesibilidad. Su objetivo es evitar depender de servicios en la nube ofreciendo procesamiento local y privado.
Vāgdhenu es un sistema de texto a voz (TTS) diseñado específicamente para el sánscrito que convierte ślokas (versos métricos) en recitaciones tipo pārāyaṇa, respetando la métrica vṛtta del verso. La herramienta, desarrollada por el Prof. Prathosh A P del Indian Institute of Science de Bengaluru, ace
xAI ha presentado 21 voces nuevas para Grok Voice, que se suman a las cinco originales y están disponibles desde ahora en las API de Voice Agent y de Texto a Voz, así como en el nuevo Grok Voice Agent Builder, la consola de xAI para crear agentes de voz a medida. Cada voz se diseñó para un uso espec
Kokoro es un modelo de síntesis de voz (TTS) de código abierto con solo 82 millones de parámetros capaz de generar audio realista en inglés, mandarín e hindi, entre otros idiomas, y ofrece alrededor de 50 voces distintas. Su principal atractivo es que produce resultados de alta calidad funcionando í
StreamTTS es un proyecto personal de texto a voz autoalojado en una NVIDIA Jetson Orin Nano Super (1024 núcleos CUDA, 32 tensores, 67 TOPS) que ejecuta el modelo neuronal Kokoro-82M. La aplicación convierte texto pegado en una página en un enlace compartible que reproduce el audio de forma increment
MOSS-TTS Family es una familia de modelos de síntesis de voz y sonido de código abierto desarrollada por MOSI.AI y el equipo OpenMOSS. Su objetivo es cubrir múltiples escenarios reales con alta fidelidad y expresividad, incluyendo locuciones largas estables, diálogos con múltiples hablantes, diseño
OpenBMB ha lanzado VoxCPM2, la nueva versión de su sistema de síntesis de voz (TTS) que prescinde de tokenización. Se trata de un modelo de 2 000 millones de parámetros entrenado con más de dos millones de horas de datos en 30 idiomas. La herramienta permite generar voz directamente a partir de text
Adam Abelson presentó SaySynth en la conferencia composition.codes el 21 de diciembre de 2025, un sintetizador construido sobre el marco de texto a voz de macOS conocido popularmente como el comando 'say'. El proyecto parte de un hallazgo: el sistema TTS de Apple incluía un DSL oculto y de bajo nive
El proyecto "Text-Based Google Directions" (o Direcciones de Google Basadas en Texto) es una iniciativa que permite obtener indicaciones de ruta de Google Maps utilizando únicamente texto, sin necesidad de una interfaz gráfica. Esto puede parecer simple, pero implica una complejidad técnica consider
PersonaPlex es un avance significativo en el campo de los modelos de habla conversacional de dobleplex, que permite interacciones de voz a voz en tiempo real con una latencia muy baja, imitando la conversación humana natural. Los sistemas de dobleplex existentes, aunque prometedores, están limitados
