Voice One vs Voice Turbo: expresividad frente a 2 créditos

Los dos modelos de voz de eroq se diferencian exactamente en un crédito por cada cien caracteres, y ese crédito es todo el debate. Voice One es el modelo insignia expresivo, a 3 créditos por cada 100 caracteres. Voice Turbo es más rápido, a 2. El mismo catálogo, los mismos clones y el mismo MP3 al final del proceso. Así que la decisión nunca va de cómo puede sonar una voz: va de cuánta interpretación necesita de verdad un texto concreto y de cuántos caracteres estás a punto de renderizar.

Lo que es idéntico

Empieza por la mitad compartida, porque es casi todo.

• Las mismas voces. Aria: cálida, íntima, femenina. Orion: grave, tranquila, masculina, en 13 idiomas. Los dos modelos renderizan ambas.
• Los mismos clones. Una voz que clonaste a partir de tu propio audio funciona en Voice One y en Voice Turbo sin volver a clonarla. Los detalles, en la guía de clonación de voz.
• Los mismos controles. Los deslizadores de Velocidad y Expresividad, y la entonación guiada por la puntuación, en los dos.
• La misma salida. MP3.
• Los mismos Personajes. Un Personaje con una voz asignada (del catálogo o clonada) habla con cualquiera de los dos modelos.

Así que cambiar de modelo no es una migración. Es un desplegable en el estudio de Voz o una cadena de texto en audio/speech en la API. Nada más se mueve en tu configuración.

Lo que compra el crédito extra

Expresividad, y la palabra está elegida con precisión. Voice One es el modelo insignia de la interpretación: al que recurrir cuando una frase tiene que interpretarse en lugar de leerse en voz alta. Turbo es el rápido, y la velocidad en un modelo de voz no es una métrica de vanidad: en cualquier cosa interactiva, el tiempo entre preguntar y oír es el producto.

También compra dirección. Voice One interpreta las etiquetas entre corchetes ([whispering], [excited], [laughing], [sighing]) en lugar de leerlas en voz alta, y una etiqueta de entonación se mantiene hasta la siguiente o hasta el siguiente salto de línea. Turbo lee las palabras y se salta los corchetes.

En la práctica:

Voice One se gana su crédito cuando el texto se interpreta. Una narración con la que alguien va a pasar veinte minutos. La primera frase de un personaje. Un tráiler. Cualquier cosa en la que una lectura plana se notaría como un defecto en lugar de tolerarse como una comodidad.

Voice Turbo te devuelve ese crédito cuando el texto es funcional. Notificaciones, mensajes de menú, lecturas de interfaz, borradores en masa, documentos largos que nadie va a saborear y, sobre todo, respuestas de chat, donde esperar es peor que una lectura un poco más sencilla.

Hay un tercer caso que la gente subestima: los borradores. Renderiza tu guion en Turbo mientras todavía estás recortando palabras y vuelve a renderizar la versión final en Voice One. Pagas 2 créditos por cada 100 caracteres en cada versión que descartas y 3 solo en la que te quedas.

Las cuentas, dos veces

Con el paquete de entrada, cada crédito sale a un centavo más o menos, así que las cuentas de abajo se convierten fácilmente. Los dos modelos cobran por cada 100 caracteres de texto de entrada.

Un capítulo

Toma un capítulo de audiolibro de 3,000 palabras: digamos 17,000 caracteres con espacios. Son 170 bloques de 100.

• Voice One: 170 × 3 = 510 créditos, unos $5.10.
• Voice Turbo: 170 × 2 = 340 créditos, unos $3.40.
• Diferencia: 170 créditos por capítulo.

En un libro de doce capítulos, 6,120 créditos frente a 4,080: unos $20 de diferencia por el título completo. Para un audiolibro terminado, eso no es una decisión, es un error de redondeo. Renderiza el libro en Voice One. Donde Turbo se gana su sitio en este trabajo es en los seis borradores que hiciste mientras seguías reescribiendo el capítulo tres. Más sobre el formato en audiolibros y podcasts.

Una respuesta de chat

Ahora el otro extremo. Una respuesta con voz en un producto de compañeros virtuales o de rol ocupa quizá 220 caracteres: tres bloques de 100 empezados.

• Voice One: unos 9 créditos por respuesta.
• Voice Turbo: unos 6 créditos por respuesta.

Tres créditos no parecen nada hasta que multiplicas. Con 500 respuestas con voz al día, son unos 4,500 créditos diarios en Voice One frente a 3,000 en Turbo: unos 135,000 frente a 90,000 créditos al mes. La misma voz, el mismo clon, 45,000 créditos de diferencia, y encima la ventaja de latencia del modelo que además resulta ser el más barato.

Esta es la división más clara del catálogo de voz de eroq: el formato largo va a Voice One y lo interactivo de alto volumen va a Voice Turbo, y la razón es la misma en los dos casos: pagas por carácter, así que la elección del modelo se acumula exactamente al mismo ritmo que tu número de caracteres. La versión amplia de ese argumento está en dar voz a personajes de IA.

El guion es el verdadero ajuste

Los dos modelos leen la puntuación como dirección, así que la mayor parte del control que tienes vive en el texto y no en un deslizador. Escribe el guion tal como quieres que se interprete:

Se detuvo en lo alto de la escalera. No porque hubiera oído algo — sino porque no había oído nada.

"¿Hola?"

Nada. La casa hizo eso que hacen las casas viejas, cuando el silencio tiene forma.

"Sé que estás ahí abajo."

Y luego, más bajo, casi para sí misma… "Sé que estás ahí abajo."

Cada recurso de ese bloque cumple una función. La raya sostiene un tiempo. El párrafo corto aísla la frase para que no se la trague lo demás. Los puntos suspensivos ralentizan la última réplica. La repetición, apartada, sale distinta la segunda vez porque cambió la puntuación que la rodea.

Después, los deslizadores, con moderación. Velocidad para el ritmo: un pelín por debajo del valor por defecto para narración, el valor por defecto para diálogo. Expresividad para cuánto se apoya la lectura en la puntuación que escribiste. Subir la expresividad en un guion plano no lo vuelve dramático; lo vuelve raro. Arregla primero el guion.

Una prueba que vale la pena antes de comprometerte con un proyecto: toma tu peor párrafo (el que tiene un número de teléfono, unas siglas y una marca que nadie sabe pronunciar) y renderízalo en los dos modelos con la misma voz. Esa comparación cuesta unos pocos créditos y te dice más que cualquier demo. La parte de la API está documentada en /docs/speech, y en texto a voz tienes el término en sí por si necesitas pasarle esto a alguien.

Elige en una línea

• Formato largo, interpretado, versión final → Voice One.
• Interactivo, alto volumen o un borrador que volverás a renderizar → Voice Turbo.
• ¿Dudas? → renderiza los mismos 200 caracteres en los dos y escucha. Zanjarlo cuesta unos 10 créditos.

Preguntas frecuentes

¿Cuánto cuestan Voice One y Voice Turbo?

Voice One cuesta 3 créditos por cada 100 caracteres y Voice Turbo, 2 créditos por cada 100 caracteres. Los dos generan MP3 y los dos funcionan con todo el catálogo de voces y con tus voces clonadas.

¿Las voces clonadas funcionan en los dos modelos?

Sí. Una voz clonada a partir de tu propio audio está disponible en Voice One y en Voice Turbo sin volver a clonarla, y los Personajes conservan la voz que se les asignó en cualquiera de los dos modelos.

¿Qué modelo uso para una app de chat?

Voice Turbo en casi todos los casos. Es el modelo más rápido y cuesta un tercio menos por carácter, y en un producto interactivo la latencia se nota más que el último toque de expresividad.

Renderiza la misma frase en los dos y decide con tus oídos: abre el estudio de Voz.