NaturalSpeech 3
El modelo de síntesis de voz por difusión factorizada de Microsoft, para transferencia de voz y de estilo zero-shot
De pago
Generación de audio
Undisclosed
parámetros
Proprietary
licencia
mar 2024
lanzamiento
// sobre NaturalSpeech 3
El modelo de síntesis de voz por difusión factorizada de Microsoft, para transferencia de voz y de estilo zero-shot
// modelos similares en Generación de audio
Eleven v4
El modelo de texto a voz mejor situado de ElevenLabs, con una variante Turbo en tiempo real
ElevenLabs · Generación de audio · De pago
Whisper
Modelo de reconocimiento y transcripción de voz de pesos abiertos de OpenAI
OpenAI · Generación de audio · Gratis
Gemini 3.8 Live
Modelo de voz a voz en tiempo real de Google, para agentes de voz en producción
Google DeepMind · Generación de audio · De pago
GPT-Live-1
El modelo de voz en dúplex completo de OpenAI, que escucha y habla a la vez
OpenAI · Generación de audio · Freemium
Eleven Multilingual v2
Modelo insignia de texto a voz de ElevenLabs en 29 idiomas
ElevenLabs · Generación de audio · Freemium
Eleven v3
El modelo de texto a voz más expresivo de ElevenLabs, con control emocional fino
ElevenLabs · Generación de audio · Freemium