Definición
La síntesis de voz es la última etapa de una llamada traducida, lee en voz alta el texto traducido con una voz del idioma de destino.
La síntesis de voz, TTS, convierte texto escrito en voz audible. En llamadas traducidas, el TTS debe empezar a hablar lo suficientemente rápido para que la latencia entre el emisor original y el destinatario escuchando la traducción se mantenga por debajo de un umbral conversacional, normalmente 1,5 segundos de ida y vuelta. ChromePing usa el TTS de baja latencia de Telnyx por defecto y también puede enrutar a la voz clonada de Cartesia si el llamante lo activa.
Términos relacionados
Speech-to-text (STT)
La transcripción de voz a texto convierte el audio hablado en texto casi en tiempo real, la primera fase de las llamadas traducidas.
Call translation latency
La latencia de traducción de llamada es el tiempo entre el final de la frase del hablante y el momento en que la otra parte oye la versión traducida, idealmente menos de 1,5 segundos.
Voice cloning
La clonación de voz sintetiza el idioma de destino en el timbre vocal del propio llamante, para que la voz traducida suene como él y no como un modelo genérico.