Pickles vs Deep Voice 3

Pickles es una API de texto a voz diseñada para desarrolladores que necesitan voz sintetizada realista sin pagar tarifas premium por modelos de voz. Envías texto mediante una llamada HTTPS sencilla y recibes un archivo WAV alojado listo para reproducir o almacenar. Está pensada para equipos que integran voz en aplicaciones, bots, procesos de audiolibros o cualquier producto donde el costo por carácter sea la principal limitación.

Pickles se basa en la economía unitaria. La página principal afirma un costo aproximadamente 5 veces menor que OpenAI TTS, 32 veces menor que ElevenLabs y 2 veces menor que UnrealSpeech en un uso comparable. Los clips de muestra en el sitio se generan en 0,1 a 0,2 segundos, lo que indica un diseño orientado a la baja latencia para aplicaciones casi en tiempo real. Se sacrifica la gran biblioteca de voces y el acabado de estudio de marcas de TTS para consumidores por una API simplificada y planes mensuales basados en volumen.

Los desarrolladores independientes y startups en etapa inicial pueden comenzar con el plan Hobby a $9 por mes para 1 millón de caracteres (aproximadamente 200 horas de voz). Los equipos que operan a gran escala tienen Growth a $79 para 10 millones de caracteres o Enterprise a $599 para 100 millones. El pago se realiza a través de Stripe con cancelación con un clic, y la comunidad de Discord atiende preguntas sobre integración.

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.