ChatTTS vs Altered Studio

ChatTTS es un modelo de texto a voz de código abierto diseñado para diálogos. El equipo de 2Noise lo entrenó con más de 100,000 horas de habla en chino e inglés, para que suene natural en conversaciones de ida y vuelta, no solo en narraciones guionizadas.

Lo que lo distingue es el control de prosodia a nivel granular. El modelo puede añadir risas, pausas e interjecciones, y maneja múltiples hablantes en una sola sesión. Esto lo hace apropiado para asistentes LLM, audio conversacional y multimedia con diálogos intensos.

Los desarrolladores pueden instalarlo mediante pip o clonar el repositorio en GitHub. La versión de código abierto en Hugging Face es un modelo base de 40,000 horas bajo la licencia AGPLv3+. El equipo lo orienta para casos de uso en investigación y diálogos, y se puede contactar en [email protected] para consultas sobre la hoja de ruta.

Altered Studio transforma el habla grabada o en vivo en voces seleccionadas o personalizadas para producción de medios y llamadas en tiempo real. Su motor de voz a voz funciona en el navegador o localmente en Windows y Mac, con una aplicación separada Real-Time Pro para juegos, centros de llamadas y restauración de voz durante videollamadas.

La mayoría de los cambiadores de voz sacrifican calidad por latencia o viceversa. Altered divide la pila: la transformación para producción de medios apunta a calidad de grabación en GPUs con refinamientos en post-edición, mientras que Real-Time Pro usa de 1 a 4 núcleos de CPU para skins de baja latencia, traducción de acentos y soporte Euphonia para disfonía y disfluencias.

Podcasters, estudios de juegos y equipos de centros de llamadas lo usan para doblar escenas con múltiples personajes, cambiar acentos en llamadas en vivo y limpiar diálogos ruidosos. La página Studio ofrece transcripción en más de 75 idiomas, traducción y voz en off de texto a voz en más de 70 idiomas de proveedores principales en un solo editor.