La próxima era de la voz generativa
MARS8: el modelo multilingüe de texto a voz diseñado para producción
MARS8 es una familia de modelos de texto a voz de nivel de producción, creada para que cada caso de uso, idioma y perfil de voz obtenga la misma fiabilidad inquebrantable cuando millones de personas están escuchando.
Con lanzamiento nativo en las principales plataformas de computación
La primera familia de modelos de TTS del mundo
La familia MARS8: modelos especializados para cada caso de uso
01 / 04
MARS8-Flash
TTS multilingüe de baja latencia para agentes de IA conversacional.
Parameters: 600M
CASOS DE USO
- Agentes de voz en tiempo real
- Centros de contacto
- IA conversacional en vivo
02 / 04
MARS8.1-Pro
El objetivo de mayor calidad. Pronunciación mejorada, expresividad con referencias de tono alto, prosodia y control/cobertura de acentos.
Parameters: 600M
CASOS DE USO
- Doblaje expresivo
- Audiolibros
- Medios digitales
03 / 04
MARS8-Instruct
Control detallado sobre la emoción, la sincronización y el estilo; independiente de la identidad del locutor.
Parameters: 1.2B
CASOS DE USO
- Doblaje de cine y TV
- Control preciso de prosodia
- Flujos de edición creativa
04 / 04
MARS8-Nano
Cuando la memoria y la computación son limitadas pero la calidad de producción sigue importando.
Parameters: 50M
CASOS DE USO
- Sistemas de automoción
- Dispositivos integrados
- Despliegues en el edge
NUEVOMARS8.1 ya está en beta. Más rápido y expresivo, la misma API.
Lee el artículo de investigación completo →Resultados de benchmarks
Redefiniendo el nuevo estándar de referencia en TTS
MARS8-Pro
CAMB.AI
MARS8-Flash
CAMB.AI
Sonic-3
Cartesia
Speech-2.6-hd
Minimax
Multilingual_v2
ElevenLabs
Multilingual_v3
ElevenLabs
PQ ↑
Puntuación media de opinión prevista (1–10) del modelo Audiobox-Aesthetics de Meta; cuanto más alta, mejor es la calidad de producción.
WavLM SV cosine similarity ↑
Similitud coseno media entre el audio generado y el de referencia usando el modelo de embeddings wavlm-base-sv.
CAM++ cosine similarity ↑
Similitud coseno media entre el audio generado y el de referencia usando el modelo de embeddings CAM++.
CE ↑
Puntuación media de opinión prevista (1–10) del modelo Audiobox-Aesthetics de Meta; cuanto más alta, mayor disfrute del contenido.
CER ↓
Porcentaje de caracteres incorrectos en la salida generada, medido por Whisper ASR. Cuanto más bajo, mejor.
Puntuación media de opinión prevista (1–10) del modelo Audiobox-Aesthetics de Meta; cuanto más alta, mejor es la calidad de producción.
MARS8-Pro
CAMB.AI
MARS8-Flash
CAMB.AI
Sonic-3
Cartesia
Speech-2.6-hd
Minimax
Multilingual_v2
ElevenLabs
Multilingual_v3
ElevenLabs
Compatibilidad de idiomas para el 99% del mundo
Cobertura lingüística global
MARS8 es la columna vertebral multilingüe que te permite cubrir el 99% del mundo manteniéndote fiel a cómo hablan y escuchan tus audiencias.
¿Quieres el desglose técnico completo?
Para conocer en detalle la arquitectura de MARS8, sus patrones de despliegue y sus características de rendimiento, lee el artículo técnico completo en nuestro blog.
Crea, escala o colabora en tus términos
MARS8 está diseñado para escalar en startups, empresas y proveedores de infraestructura. Ya sea que estés creando un producto o permitiendo que otros creen, hay un camino directo para empezar.