VibeVoice - Texto a Voz

VibeVoice ofrece 6 voces de hablantes: Frank, Wayne, Carter, Emma, Grace y Mike. Cada voz tiene características únicas adecuadas para diferentes tipos de contenido, desde narración hasta voces de personajes.

La escala CFG (Guía sin Clasificador) controla qué tan estrechamente la voz generada se adhiere al texto de entrada. Valores más altos (hasta 3.0) aumentan la adherencia al texto, mientras valores más bajos (tan bajos como 0.5) permiten más variación creativa. El valor predeterminado es 1.3 para resultados equilibrados.

El parámetro de semilla te permite controlar la aleatoriedad en la generación. Usar el mismo valor de semilla con el mismo texto producirá resultados idénticos, lo cual es útil para generación reproducible y pruebas.

VibeVoice genera audio a 24kHz de frecuencia de muestreo, proporcionando voz de alta calidad, clara y natural. La salida es adecuada para trabajo profesional de doblaje y creación de contenido.

VibeVoice está optimizado para generación rápida, haciéndolo adecuado para aplicaciones en tiempo real y medios interactivos. La velocidad de generación depende de la longitud del texto y la carga del servidor, pero típicamente se completa en segundos.

Sí, puedes usar el audio generado por VibeVoice para proyectos comerciales incluyendo videos de YouTube, podcasts, e-learning, audiolibros, anuncios y más. Verifica los términos de licencia específicos para tu caso de uso.

VibeVoice admite entrada de texto largo. Para textos muy largos, considera dividir en múltiples segmentos para rendimiento óptimo. El precio se calcula por cada 1000 caracteres.

VibeVoice cobra 6 créditos por cada 1000 caracteres de texto. El texto debajo de 1000 caracteres se redondea hacia arriba a 1000. Esto lo hace una de las soluciones TTS más rentables disponibles.