Texto a voz

Texto a voz en más de 150 idiomas con clonación de voz y control de emociones

La familia de modelos MARS8 de CAMB.AI ofrece síntesis de voz natural y expresiva en más de 150 idiomas, con modelos especializados para la conversación en tiempo real, la producción de contenido y el despliegue en dispositivo.

Obtener acceso a la API Descubre MARS8

Inicio/Texto a vozPruébalo como API

o prueba con un ejemplo

Control de emociones

0 / 1000

Voz MARS8

00:0000:00

Con la tecnología de MARS8 — diseñado para un tono natural, emoción y uso en producción.

Por qué CAMB.AI

¿Qué hace diferente al texto a voz de CAMB.AI?

CAMB.AI convierte texto escrito en voz natural y humana en más de 150 idiomas, cubriendo el 99% de la población hablante del mundo. MARS8 es la primera familia de modelos de TTS de nivel de producción con modelos diseñados a medida para casos de uso distintos, cada uno optimizado para un equilibrio específico entre latencia, fidelidad y requisitos de despliegue. MARS-Pro alcanza una similitud de locutor WavLM de 0.87 y una similitud CMV de 0.71, una mejora del 38% respecto al competidor más cercano, según el benchmark MAMBA.

Capacidades clave

Capacidades clave del texto a voz

CAPACIDADES

01 / 04

Voz natural en más de 150 idiomas

Los idiomas de nivel premium (inglés, hindi, francés, español, alemán, japonés, árabe, coreano, chino, italiano, portugués, indonesio, neerlandés) se entrenan con más de 10,000 horas de datos.

02 / 04

Clonación de voz

Clona la voz de cualquier locutor a partir de una breve muestra de referencia y reprodúcela en varios idiomas. MARS-Pro ofrece una similitud de locutor WavLM de 0.87.

03 / 04

Control de emociones y prosodia

MARS-Instruct (1.2B de parámetros) ofrece controles de emoción de nivel de dirección para una entrega emocional, un ritmo y un énfasis precisos.

04 / 04

Despliegue en dispositivo

MARS-Nano puede desplegarse en 12 mil millones de dispositivos, incluidos smartphones, sistemas de automoción, auriculares y hardware IoT. Sin necesidad de internet.

Clonación de voz

Clona la voz de cualquier locutor a partir de una breve muestra de referencia y reprodúcela en varios idiomas. MARS-Pro ofrece una similitud de locutor WavLM de 0.87.

Control de emociones y prosodia

MARS-Instruct (1.2B de parámetros) ofrece controles de emoción de nivel de dirección para una entrega emocional, un ritmo y un énfasis precisos.

Despliegue en dispositivo

MARS-Nano puede desplegarse en 12 mil millones de dispositivos, incluidos smartphones, sistemas de automoción, auriculares y hardware IoT. Sin necesidad de internet.

CAPACIDADES CLAVE

Industrias

¿Para quién está diseñado el texto a voz?

Empresas tecnológicas y desarrolladores de plataformas

Equipos de ingeniería que crean aplicaciones habilitadas por voz, interfaces conversacionales y experiencias de usuario multilingües.

OEM y fabricantes de dispositivos

Empresas de hardware que integran la voz en smartphones, sistemas de automoción, auriculares, dispositivos de hogar inteligente y wearables.

Organizaciones empresariales

Grandes empresas que necesitan voz multilingüe para contenido de formación, sistemas IVR y flujos de soporte de cara al cliente.

Casos de uso

El texto a voz en acción

Dispositivos IoT y wearables

Añade salida de voz a hardware con recursos limitados usando el modelo de 50M de parámetros de MARS-Nano.

Sistemas de voz para automoción

Integra indicaciones de navegación y asistentes en el coche con el TTS en dispositivo de MARS-Nano, sin necesidad de conectividad móvil.

IA conversacional y agentes de voz

Power customer service bots and voice assistants with MARS-Flash's 100ms TTFB across 150+ languages.

Narración de contenido y voz en off

Genera voces en off multilingües para demos de producto, materiales de formación y contenido de marketing con la clonación de voz de MARS-Pro.

IVR y automatización de telecomunicaciones

Sustituye grabaciones estáticas por TTS dinámico y multilingüe. Escala a nuevos mercados añadiendo idiomas sin volver a grabar.

Cómo funciona

De texto a voz en cuatro pasos

Elige tu modelo

MARS-Flash for real-time (600ms TTFB), MARS-Pro for production-grade content, MARS-Instruct for emotion-controlled output, or MARS-Nano for on-device (60ms TTFB, 60M parameters).

Integra mediante la API

Conéctate a la API de TTS de CAMB.AI, envía el texto, selecciona un idioma de destino (más de 150 disponibles) y, opcionalmente, proporciona una muestra de voz de referencia para la clonación.

Configura la voz y el idioma

Elige de la biblioteca de voces o clona una voz personalizada a partir de una breve muestra de referencia. Usa diccionarios para controlar la pronunciación y la entrega según el acento.

Despliega y escala

Despliega mediante la API en la nube para aplicaciones web y de servidor, o empaqueta MARS-Nano para la integración en dispositivo. Escala a varios idiomas sin volver a grabar.

FAQ

Preguntas frecuentes

MARS8 es una familia: MARS-Flash está optimizado para la latencia en tiempo real, MARS-Pro para la máxima fidelidad y similitud de locutor, MARS-Instruct para el control de emociones y prosodia, y MARS-Nano para el despliegue en dispositivos con hardware limitado.

Sí. Proporciona una breve muestra de referencia y CAMB.AI clona la voz, permitiéndote generar voz ilimitada con esa identidad en cualquier idioma compatible conservando el timbre y la entrega.

Sí. MARS-Nano es un modelo de 60M de parámetros creado para funcionar en dispositivo con baja latencia y sin viaje de ida y vuelta a la nube, lo que lo hace adecuado para IoT, wearables y despliegues sensibles a la privacidad.

MARS-Pro alcanza una similitud de locutor WavLM de 0.87 y una similitud CMV de 0.71, una mejora del 38% respecto al competidor más cercano, según MAMBA, el marco de evaluación de TTS de código abierto de CAMB.AI.

Sí. Todos los modelos de la familia MARS8 están disponibles a través de una única API, para que puedas enviar texto, elegir un idioma y una voz, y transmitir la voz generada a tu producto.

Sí. MARS-Instruct ofrece un control detallado sobre la emoción, el ritmo, el énfasis y la entonación, para que puedas dirigir la entrega según el tono y el contexto.