4 notas publicadas
Google lanzó dos modelos de texto a voz, Flash TTS y Flash-Lite TTS, con más de 2.000 voces, clonación desde 30 segundos de audio y soporte para más de 100 idiomas.
El modelo de texto a voz quedó activo por defecto en la API y el estudio de la empresa, y apunta al punto donde fallan los agentes de voz: números de pedido, correos y códigos de referencia.
El tiempo hasta el primer token es la métrica con la que los equipos eligen su API de inferencia, y también la que más los confunde: la síntesis no habla hasta recibir una cláusula completa.
Otros temas que aparecen junto a #agentes de voz en nuestra cobertura editorial.
