Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la síntesis de voz y la clonación de voz
- Panorama general de texto a voz (TTS) y síntesis neuronal de voz
- Clonación de voz versus generación de discurso: casos de uso y límites
- Modelos clave: Tacotron, WaveNet, FastSpeech, VITS
Trabajo con plataformas comerciales
- Uso de ElevenLabs y Resemble AI
- Creación, clonación y edición de voces
- Acceso a API y flujos de trabajo de texto a voz
Desarrollo con herramientas de código abierto
- Instalación y configuración de Coqui TTS
- Entrenamiento de voces personalizadas y gestión de conjuntos de datos
- Generación de voz con control preciso (tono, velocidad, emoción)
Preparación de datos y gestión de conjuntos de datos de voz
- Recolección y limpieza de muestras de voz
- Segmentación, etiquetado y alineación de transcripciones
- Obtención ética de datos y consentimiento para uso de voz
Integración en aplicaciones
- Incorporación de TTS en sitios web y aplicaciones
- Creación de sistemas IVR y bots interactivos
- Generación de diálogos sintéticos para video y videojuegos
Evaluación de la calidad y el realismo
- Pruebas de MOS (Puntaje de Opinión Promedio) y de inteligibilidad
- Control de expresividad y prosodia
- Comparación de latencia, fidelidad y realismo
Consideraciones éticas, legales y de gobernanza
- Riesgos de los deepfakes y uso responsable
- Consentimiento, atribución e implicaciones de derechos de autor
- Regulaciones y políticas organizacionales
Resumen y próximos pasos
Requerimientos
- Comprensión de los fundamentos del aprendizaje automático
- Familiaridad con formatos de archivos de audio y herramientas de edición
- Habilidades básicas de programación en Python
Público objetivo
- Desarrolladores e ingenieros de IA interesados en la síntesis de voz
- Creadores de contenido y tecnólogos de medios que exploran la generación de voz
- Equipos de I&D que construyen sistemas de audio personalizados o dinámicos
14 Horas