PULSO AI · Nueva plataforma impulsada por TD
Hugging Face presentó el Open TTS Leaderboard para evaluar modelos de text‑to‑speech con métricas objetivas (WER/CER, latencia y similitud de voz). Busca complementar las arenas de preferencia humana y facilitar comparaciones escalables entre modelos open‑source y comerciales.
Google anunció el 23 de septiembre de 2026 que cualquier persona con una cuenta de Google o Workspace puede crear videos en 1080p gratis usando Gemini Omni 1.1 en Google Vids. La herramienta ofrece controles creativos, marcas digitales para transparencia y pronto integración de voz en 100+ idiomas.
Bodhan AI y AI4Bharat publicaron en septiembre de 2026 cuatro modelos que abordan OCR estructural, traducción de documentos, reconocimiento automático de voz y síntesis de voz para lenguas indias. Revisamos arquitectura, métricas y aplicaciones prácticas.
NVIDIA Magpie TTS ofrece un modelo abierto de 364M parámetros que soporta 12 idiomas y entrega audio inicial en 32–79 ms según GPU. Diseñado para desplegarse en su infraestructura, permite optimizar latencia, personalizar voces y mantener control sobre datos.
