CosyVoice: Modelo de Generacion de Voz Multilingue Open-Source de Alibaba con 20K Estrellas

Fri, 01 May 2026 00:00:00 +0000

La tecnologia de generacion de voz ha visto un progreso notable, pero la mayoria de los modelos open-source de texto a voz (TTS) aun luchan con una compensacion fundamental: calidad versus cobertura de idiomas. CosyVoice, desarrollado por el equipo FunAudioLLM de Alibaba, rompe esta barrera ofreciendo generacion de voz de calidad de produccion en 9 idiomas y mas de 18 dialectos chinos.

Con mas de 20,000 estrellas en GitHub, CosyVoice se ha convertido en una solucion de referencia para desarrolladores e investigadores que necesitan sintesis de voz multilingue con capacidades avanzadas como clonacion de voz zero-shot, control de emociones y generacion guiada por instrucciones. A diferencia de las APIs comerciales de TTS que cobran por caracter y limitan la personalizacion, CosyVoice es completamente open-source y auto-alojable.

Higgs Audio: Modelo Fundamental de Texto a Audio Open-Source de Boson AI

Fri, 01 May 2026 00:00:00 +0000

La tecnología de texto a voz ha avanzado dramáticamente en los últimos años, pasando de una síntesis robótica y monótona a una generación de voz notablemente natural. Higgs Audio de Boson AI representa el estado del arte en generación de audio de código abierto, ofreciendo un modelo fundamental de texto a audio que produce un habla indistinguible de las grabaciones humanas en múltiples voces, idiomas y registros emocionales.

Lo que distingue a Higgs Audio de los sistemas TTS anteriores es su escala y arquitectura. Preentrenado en más de 10 millones de horas de datos de audio diversos – mucho más que cualquier modelo TTS de código abierto anterior – Higgs Audio ha aprendido toda la riqueza y variedad del habla humana. Puede generar habla expresiva con emoción, énfasis y ritmo apropiados, clonar una voz a partir de solo unos segundos de audio, producir diálogos multi-locutor con voces distintas e incluso transferir estilos de habla entre voces.

Voice Cloning on SoloSoft

CosyVoice: Modelo de Generacion de Voz Multilingue Open-Source de Alibaba con 20K Estrellas

Higgs Audio: Modelo Fundamental de Texto a Audio Open-Source de Boson AI