Podcastle presenta texto a voz con más de 450 voces de IA

Podcastle, la popular plataforma para la grabación y edición de podcasts, está saltando al juego de texto a voz de IA con su nuevo modelo, Asyncflow V1.0. No solo se detienen allí, sino que también están implementando una API para los desarrolladores, lo que hace que sea muy fácil conectar esta tecnología a sus propias aplicaciones.

Con Asyncflow V1.0, Podcastle ahora cuenta con más de 450 voces de IA listas para leer su texto en voz alta. La parte genial? Han logrado mantener bajos los costos de capacitación e inferencia, lo que les da una ventaja sobre la competencia.

Podcastle ahora está en la misma liga que otras nuevas empresas como ElevenLabs, Speechifify y Wellsaid, todo lo cual está utilizando AI para convertir el texto en palabras habladas. Esta tecnología tiene aplicaciones en todo el lugar, desde marketing y anuncios hasta hacer contenido, enseñanza e incluso capacitar a las personas en el trabajo.

Arto Yeritsyan, el cerebro detrás de Podcastle, le dijo a TechCrunch que han querido sumergirse en texto a voz por un tiempo. El problema? Era demasiado caro y hambriento de datos. Pero gracias a algunos avances recientes en modelos de idiomas grandes, finalmente descifraron el código el año pasado. "Hemos tenido el objetivo de construir un modelo sólido de texto a voz desde el principio", dijo Yeritsyan. "Pero los costos eran altos de cielo. Con la última tecnología, encontramos una manera de crear un modelo de voz de primer nivel sin necesidad de una montaña de datos".

Su recaudación de fondos de la serie A de $ 13.5 millones el año pasado también ayudó a alimentar este proyecto.

Cuando se trata de precios, Podcastle es bastante competitivo. Están cobrando alrededor de $ 40 por 500 minutos de conversión de texto a voz, mientras que Elevenlabs solicita $ 99 por la misma cantidad.

La función de clonación de voz de Podcastle también está obteniendo un estiramiento facial, lo que hace que el proceso de entrenamiento sea mucho más rápido. Antes, tenía que leer unas 70 oraciones para entrenar el sistema. Ahora, solo toma unos segundos de tu voz. Están usando su IA mágica de polvo, que lanzaron el año pasado, para aumentar la calidad de audio durante este nuevo proceso.

Cuando lo probamos, la voz sonaba un poco robótica, pero atrapó nuestro tono bastante bien. Podcastle dice que están trabajando para hacerlo aún mejor. También puede entrenar el sistema con diferentes muestras de voz para obtener resultados variados.

Podcastle reconoce que, aparte de mantener los costos bajos, tener de todo, desde herramientas de audio y video hasta podcasts y narración de IA en un solo lugar los diferirá de la competencia. Yeritsyan mencionó que si bien la mayoría de los usuarios se apegan al contenido de audio, Video también comienza a ganar terreno.