Smallest.ai, una startup estadounidense de IA, ha lanzado su último producto, Lightning, un modelo de texto a voz (TTS) con una velocidad sorprendente. Lightning genera hasta 10 segundos de audio en 100 milisegundos, admite múltiples acentos en inglés e hindi, y planea apoyar más idiomas. Su bajo costo (solo $ 0.02 por minuto) y el diseño simple de API REST lo hacen ideal para desarrolladores de robots de voz, reduciendo en gran medida los costos de desarrollo y operación, y mejorar la eficiencia de la síntesis de voz y el acceso a las aplicaciones. Este artículo analizará las diversas características funcionales, el posicionamiento del mercado y la visión corporativa más pequeña. AI en detalle.
Recientemente, Smallest.ai, una startup de IA con sede en San Francisco, California, lanzó su nuevo producto Lightning, un modelo de texto a voz (TTS) que puede generar hasta 10 segundos de audio en 100 milisegundos. El avance de esta tecnología ha permitido a los desarrolladores de todo el mundo construir aplicaciones de robot de voz altamente simuladas, con tiempos de retraso extremadamente cortos, reducir los costos de implementación y mejorar la accesibilidad de las aplicaciones.
Actualmente, Lightning admite múltiples acentos en inglés e hindi, y el equipo también planea agregar rápidamente más idiomas para satisfacer la demanda del mercado. Precios a solo US $ 0.02 por minuto (aproximadamente INR 1.6) Este modelo proporciona una solución rentable para los desarrolladores de robots de voz, con los costos de ejecución de la aplicación controlados por debajo de 1 por minuto, reducen significativamente el costo de construir robots de voz y expandir la accesibilidad del mercado.
A diferencia del modelo TTS tradicional que se basa en la transmisión y los enchufes de la red para aumentar la carga del servidor y la escalabilidad compleja, Lightning utiliza un diseño de API REST simple para permitir que el audio se entregue en aproximadamente 100 milisegundos, evitando la transmisión continua. Esta potencia de procesamiento rápida y rentabilidad lo convierten en una alternativa significativa en la industria de la robótica de voz.
Las características del producto de Lightning se pueden resumir de la siguiente manera
1. Velocidad y eficiencia. Conocido como el texto a voz más rápido del mundo, el modelo Lightning genera 10 segundos de audio surrealista en 100 milisegundos, síntesis de voz en tiempo real, que satisface las necesidades de respuesta rápida.
2. Pequeña y compatibilidad. Con un requisito de memoria de video de menos de 1 GB, el modelo es de tamaño pequeño y puede ejecutarse fácilmente en la mayoría de los consumidores y dispositivos de borde, reduciendo los requisitos de hardware.
3. Soporte multilingüe. Soporte multilingüe y acento, actualmente admite múltiples acentos en inglés e hindi, y planea agregar rápidamente más idiomas para satisfacer las necesidades de los usuarios de todo el mundo.
4. Altamente personalizable. El difusor de estilo, utilizando un difusor de estilo especial, ajusta el estilo de audio de acuerdo con las necesidades del usuario, lo que hace que la voz generada sea más natural y emocional.
5. Integración simple. REST API Integration proporciona una interfaz API REST simple, donde los desarrolladores pueden integrar rápidamente los modelos de rayos en los sistemas existentes, eliminando las conexiones WebSocket complejas.
6. El precio asequible comienza en US $ 0.04 por minuto, que es adecuado para todo tipo de empresas.
El más pequeño.ai fue fundada por el Instituto Indio de Tecnología de Guwahati, ex alumnos Sudarshan Kamath y Akshat Mandloi. Kamath dijo que la estrategia de bajo precio de AI se debe a su enfoque en la calidad de los datos y la eficiencia del modelo. "Nuestro modelo es mucho más pequeño que los competidores como ElevenLabs, pero logramos una producción de voz de alta calidad con datos altamente refinados", explica.
Los desarrolladores de Robot de voz que tuvieron acceso temprano a Lightning informaron que sus costos operativos se redujeron 8 veces, mientras que la calidad de audio mejoró. Además de las aplicaciones de robot de voz en tiempo real, Lightning también se puede usar para crear off para audiolibros y contenido de redes sociales, como plataformas como Instagram y YouTube. Los no desarrolladores también pueden acceder a Lightning a través de la plataforma de habla Waves para experimentar características, incluida la clonación de sonido y la conversión de acento, que actualmente se encuentran en beta.
Kamath dijo en una interacción exclusiva con el Journal of Analytics India: “Cuando comenzamos a construirlo, nos dimos cuenta de que los modelos requeridos para los robots de voz existentes no son lo suficientemente maduros para los idiomas indios. Producción.
En junio de este año, Smallest.ai también lanzó el modelo AWAAZ, que admite la clonación de sonido a través de clips de audio cortos, y tiene un precio a un precio competitivo. El modelo está diseñado para cumplir con aplicaciones escalables en el mercado de idiomas regionales y para proporcionar seguridad y cumplimiento de nivel empresarial. Cuando se le preguntó sobre su misión, Kamath dijo: "¿Por qué mil millones de personas no se comunican con la voz de IA todos los días, a pesar de los enormes avances en la tecnología de IA de voz?
Entrada del proyecto: https://smallest.ai/blog/lightning-stext-to-spech
Puntos clave:
El modelo de texto a voz de Lightning genera audio en 100 milisegundos, admite múltiples acentos en inglés e hindi, y ampliará más idiomas en el futuro.
Con un bajo costo de solo $ 0.02 por minuto, reduce significativamente los costos operativos de los desarrolladores de robots de voz.
Lightning no solo es adecuado para los robots de voz, sino también para audiolibros y doblaje en las redes sociales, lo que facilita que los desarrolladores y no desarrolladores usen.
En resumen, se espera que el modelo Lightning más pequeño.Ai revolucione el campo de la síntesis del habla con su velocidad, eficiencia, bajo costo y facilidad de uso, proporcionando a los desarrolladores y usuarios globales servicios de IA de voz más convenientes y económicos. Su visión de resolver la inclusión de la tecnología de IA de voz también es digna de atención.