Speech Recognition Duelo — 3 de noviembre de 2024

1

WithAudio

Edición de texto a voz instantánea para Mac y Windows con voces de inteligencia artificial naturales

4.8 (6)

Freemium

Reseña completa

WithAudio es una aplicación de texto a voz de escritorio para Mac y Windows que convierte contenido escrito en audio hablado. Los usuarios pueden pegar texto, cargar documentos o importar artículos y hacer que se lean en voz alta utilizando una selección de voces generadas por IA, lo que la hace útil para la revisión de pruebas, la accesibilidad y la lectura manos libres. A diferencia de la mayoría de las herramientas de TTS que dependen de suscripciones mensuales, se ofrece como una compra única, lo que atrae a lectores y escritores que desean costes predecibles. La aplicación se centra en una experiencia de escucha sencilla en lugar de una producción de audio compleja, con controles de reproducción y la capacidad de exportar audio generado para su uso posterior.

• Conversión de texto a voz con voces de inteligencia artificial
• Compatibilidad cruzada para macOS y Windows
• Exportación de audio para escuchar offline
• Opciones de entrada de documentación y texto
• Control de reproducción ajustable
• Activación de licencia una sola vez

2

CallFluent

Plataforma de análisis de llamadas con IA que transcribe, analiza y automatiza conversaciones telefónicas de negocios.

4.4 (5)

Freemium

Reseña completa

CallFluent es una plataforma de análisis de llamadas impulsada por IA, diseñada para ayudar a las empresas a obtener más valor de sus interacciones telefónicas. Combina transcripción de voz a texto, inteligencia conversacional y automatización de flujos de trabajo para revelar insights de llamadas de ventas, tickets de soporte y consultas de clientes. La plataforma analiza el tono, la intención y los temas clave en todas las llamadas, brindando a los equipos visibilidad sobre el sentimiento del cliente, el rendimiento del agente y las objeciones comunes. Los gerentes pueden revisar tendencias en grandes volúmenes de conversaciones sin tener que escuchar manualmente cada grabación. Con funciones de automatización como resúmenes de llamadas, registro en el CRM y disparadores de seguimiento, CallFluent busca reducir el trabajo repetitivo posterior a la llamada y ayudar a los equipos a actuar más rápido en función de lo que los clientes realmente dicen.

• Transcripción de voz a texto con IA
• Análisis de sentimiento e intención
• Resúmenes de llamadas automatizados
• Panel de control de insights conversacionales
• Integraciones con CRM y flujos de trabajo
• Disparadores de automatización post-llamada

3

Inworld AI

Construye personajes interactivos impulsados por IA para juegos y experiencias virtuales inmersivas.

4.6 (5)

Freemium

Reseña completa

Inworld AI es un motor de personajes diseñado para desarrolladores que crean juegos, mundos virtuales y medios interactivos. Permite a los creadores diseñar NPCs y personajes digitales con personalidades, recuerdos, voces y motivaciones distintas, y luego darles vida a través de conversaciones en tiempo real y comportamientos contextuales. La plataforma combina modelos de lenguaje con objetivos, bases de conocimiento y estados emocionales para que los personajes puedan responder dinámicamente a los jugadores en lugar de seguir líneas guionizadas. Las integraciones con motores como Unreal y Unity, además de SDK y API, hacen posible desplegar personajes en proyectos de juegos, experiencias de chat, simulaciones de entrenamiento y aplicaciones de entretenimiento.

• Personalidades de personajes de IA personalizables
• Memoria a largo plazo y bases de conocimiento
• Síntesis de voz y expresión emocional
• SDKs de Unity y Unreal Engine
• Metas, disparadores y controles de comportamiento
• Interacciones multijugador y multi-personaje

4

Molly Personal Assistant

Asistente de inteligencia artificial para automatizar flujos de trabajo y simplificar la colaboración de equipo.

4.5 (6)

Freemium

Reseña completa

Molly es un asistente de inteligencia artificial personal diseñado para automatizar flujos de trabajo y simplificar la colaboración de equipo. Su objetivo es proporcionar una experiencia profundamente personalizada a través de su característica de 'memoria infinita', que permite que recuerde las preferencias del usuario y adapte las interacciones en consecuencia. Los usuarios pueden delegar tareas a Molly, las cuales ella ejecuta de manera que se alinee con el estilo del usuario. El asistente también ofrece sugerencias proactivas para mantener a los usuarios adelante anticipando sus necesidades futuras. Molly se encuentra actualmente en un beta privado limitado y los usuarios interesados pueden unirse a la lista de espera para experimentar sus capacidades.

• Automatización de flujos de trabajo
• Seguimiento de tareas y proyectos
• Herramientas de colaboración de equipo
• Asistente de inteligencia artificial centrado en la productividad
• Programación inteligente y recordatorios
• Integraciones en varios herramientas

5

Deepgram

APIs de transcripción de voz y texto a voz para construir aplicaciones de voz en tiempo real.

4.6 (5)

Freemium

Reseña completa

Deepgram es una plataforma de inteligencia artificial de voz que proporciona a los desarrolladores API para transcribir audio y generar habla con un sonido natural. Sus modelos están diseñados para un rendimiento de baja latencia y alta precisión en una amplia variedad de idiomas, acentos y condiciones de audio, lo que la hace adecuada para subtítulos en vivo, análisis de llamadas, asistentes de voz y agentes conversacionales. Más allá de la transcripción básica, ofrece funciones como la diarización de altavoces, la detección de sentimientos y temas, el entrenamiento de modelos personalizados y compatibilidad con streaming. La plataforma se dirige a equipos de ingeniería que necesitan incorporar capacidades de voz en productos sin tener que construir una infraestructura de habla desde cero.

• Transcripción de voz a texto en tiempo real (streaming)
• Voces de texto a voz neural
• Diarización de hablantes y marcas de tiempo a nivel de palabra
• Ajuste fino de modelos personalizados
• Inteligencia de audio (sentimiento, temas, resumen)
• APIs REST y WebSocket con SDKs multilingües

Kokoro TTS es un sistema de conversión de texto a voz diseñado para transformar entradas escritas en discursos claros y naturales con un amplio rango de idiomas y estilos de voz. Su objetivo es hacer que la síntesis de voz de alta calidad sea accesible para desarrolladores, creadores de contenido y aficionados que necesitan una salida de audio realista para proyectos como videos, audiolibros, herramientas de accesibilidad y asistentes de voz. El modelo se enfoca en producir una prosodia fluida y características de hablante reconocibles, manteniéndose lo suficientemente ligero como para ejecutarse en una variedad de entornos. Los usuarios pueden generar audio hablado a partir de fragmentos de texto, elegir entre diferentes voces e integrar la salida en sus propios flujos de trabajo o aplicaciones.

• Generación de texto a voz multilingüe
• Múltiples perfiles de voz seleccionables
• Intonación y ritmo natural
• Salida de audio exportable
• Adecuado para aplicaciones, videos y narración
• Integración amigable para desarrolladores