#
Text-to-Speech
Herramientas de IA con la etiqueta Text-to-Speech.
MAI-Voice-2.1
Microsoft publicó MAI-Voice-2.1 y un MAI-Voice-2.1-Flash de baja latencia el 1 de octubre de 2026, junto a MAI-Transcribe-2-Streaming, que transcribe voz en directo en 60 lenguas, con resultados parciales en poco más de 100 ms
Voxtral 3
Voxtral 3 cubre la voz a texto y el texto a voz, e incluye un SDK de agentes de voz
Eleven v4
El modelo de texto a voz mejor situado de ElevenLabs, con una variante Turbo en tiempo real
CosyVoice
Modelo de clonación de voz zero-shot y de texto a voz de pesos abiertos de Alibaba
Eleven Flash v2.5
Modelo de texto a voz de baja latencia de ElevenLabs, pensado para agentes conversacionales en tiempo real
Eleven Multilingual v2
Modelo insignia de texto a voz de ElevenLabs en 29 idiomas
Eleven Turbo v2.5
Modelo de texto a voz de ElevenLabs con latencia equilibrada, entre calidad y velocidad
Eleven v3
El modelo de texto a voz más expresivo de ElevenLabs, con control emocional fino
NaturalSpeech 3
El modelo de síntesis de voz por difusión factorizada de Microsoft, para transferencia de voz y de estilo zero-shot
Sonic
Modelo de texto a voz en tiempo real y de baja latencia de Cartesia
Tacotron 2
Modelo neuronal de texto a voz de Google que une un predictor de espectrogramas con un vocoder WaveNet
VALL-E
Modelo de clonación de voz por códec neuronal de Microsoft, que imita a un hablante con una muestra de 3 segundos
VALL-E 2
Modelo mejorado de clonación de voz zero-shot de Microsoft, que alcanza paridad humana en los benchmarks
WaveNet
Modelo generativo de audio en bruto de DeepMind que sentó las bases del TTS neuronal moderno