AudioDoc vs Deep Voice 3

AudioDoc convierte documentos y textos pegados en audios que se pueden escuchar en tu navegador. Sube un archivo PDF, EPUB o markdown, o simplemente pega texto en el estudio de TTS, y escúchalo leer por narradores naturales. No se requiere cuenta, ni suscripción, ni tarjeta de crédito para comenzar.

La biblioteca de documentos transmite archivos largos capítulo por capítulo a medida que se genera el audio, por lo que no necesitas esperar a que se convierta todo el libro antes de comenzar a escuchar. Un estudio de TTS separado maneja trabajos rápidos de pegar y escuchar con clips descargables y sin marcas de agua.

Es ideal para quienes van en transporte, que quieren que les lean artículos, estudiantes que revisan trabajos, escritores que corrigen borradores con el oído, y cualquiera que necesite acceso a material escrito de forma manos libres o con accesibilidad. Las sesiones de invitados duran 24 horas; una cuenta registrada gratuita mantiene tu biblioteca y progreso de escucha más allá de ese período.

Deep Voice 3 es una implementación de código abierto en PyTorch del modelo de texto a voz Deep Voice 3 de Baidu Research. Reproduce el aprendizaje de secuencias convolucionales para TTS neuronal escalable y ofrece puntos de control preentrenados con demos de audio para configuraciones de un solo hablante y de múltiples hablantes.

El proyecto incluye modelos entrenados en LJSpeech para síntesis de un solo hablante y en VCTK para generación multihablante con 108 hablantes. La página de demostración aloja clips de audio de muestra, gráficos de atención y enlaces a pesos preentrenados en GitHub.

Está dirigido a investigadores y desarrolladores que desean una implementación de referencia de Deep Voice 3 en lugar de una API de voz alojada. Los scripts de entrenamiento, el código de inferencia y las contribuciones de la comunidad están en el repositorio público de GitHub.