Cargando diccionario…
Bloque temático
Conversión de texto a voz, arquitecturas neuronales, prosodia, control, clonación, calidad y riesgos de identidad vocal.
Allophone
Variante fonética de un fonema según el contexto.
Ver definición completa →Voice cloning
Creación de una voz sintética parecida a una persona.
Ver definición completa →Few-shot voice cloning
Clonación usando una cantidad pequeña de audio.
Ver definición completa →Zero-shot voice cloning
Imitación vocal desde una muestra sin reentrenar el modelo.
Ver definición completa →Voice consent
Autorización para capturar, clonar o usar una voz.
Ver definición completa →SSML pronunciation control
Marcado para indicar cómo debe pronunciarse un contenido.
Ver definición completa →Grapheme-to-phoneme conversion
Predicción de pronunciación desde la escritura.
Ver definición completa →Voice conversion
Cambio de identidad o atributos de una voz conservando lo dicho.
Ver definición completa →Synthetic speech detection
Clasificación de audio como humano o generado.
Ver definición completa →Phoneme duration
Tiempo asignado a cada unidad sonora.
Ver definición completa →Speaker embedding for synthesis
Vector que condiciona el TTS a una identidad vocal.
Ver definición completa →Intonation
Variación melódica de la voz a lo largo de una frase.
Ver definición completa →TTS mel spectrogram
Representación acústica intermedia predicha desde texto.
Ver definición completa →Log-Mel spectrogram
Espectrograma comprimido en una escala perceptual.
Ver definición completa →SSML break element
Control de una pausa en habla sintetizada.
Ver definición completa →FastSpeech
Arquitectura paralela y controlable de texto a voz.
Ver definición completa →Phoneme
Unidad sonora distintiva de una lengua.
Ver definición completa →Waveform
Representación temporal de la amplitud de una señal de audio.
Ver definición completa →Synthesized waveform
Señal temporal final producida por el sistema TTS.
Ver definición completa →Synthetic speech intelligibility
Facilidad con la que se comprende el audio generado.
Ver definición completa →Speech Synthesis Markup Language
Estándar XML para controlar cómo se pronuncia un texto.
Ver definición completa →Audio watermark
Señal insertada para identificar o rastrear audio sintético.
Ver definición completa →Acoustic model for speech synthesis
Modelo que convierte unidades lingüísticas en rasgos acústicos.
Ver definición completa →Voice model
Modelo que representa una voz o conjunto de voces.
Ver definición completa →Synthetic speech naturalness
Grado en que una voz generada suena humana y fluida.
Ver definición completa →Text normalization for speech
Conversión del texto a una forma pronunciable.
Ver definición completa →Prosody
Patrón de ritmo, acento y melodía del habla.
Ver definición completa →Voice impersonation risk
Posibilidad de usar voz sintética para hacerse pasar por alguien.
Ver definición completa →Speech rhythm
Distribución temporal de sílabas, pausas y acentos.
Ver definición completa →Voice selection
Elección de una voz disponible para sintetizar.
Ver definición completa →Speaker similarity
Parecido entre una voz generada y una voz de referencia.
Ver definición completa →Autoregressive speech synthesis
Síntesis que genera cada unidad condicionada por las anteriores.
Ver definición completa →Concatenative speech synthesis
Síntesis que une fragmentos de voz grabada.
Ver definición completa →Long-form speech synthesis
Generación de narraciones extensas.
Ver definición completa →Speech synthesis
Generación artificial de habla a partir de una representación.
Ver definición completa →Streaming speech synthesis
Entrega de audio mientras se está generando.
Ver definición completa →Cross-lingual voice synthesis
Uso de una voz en idiomas distintos al de sus muestras.
Ver definición completa →Emotional speech synthesis
Voz generada con una emoción objetivo.
Ver definición completa →Expressive speech synthesis
Generación de voz con variación de emoción y estilo.
Ver definición completa →Multi-speaker synthesis
Un modelo capaz de producir varias voces.
Ver definición completa →Multilingual speech synthesis
TTS que produce habla en varias lenguas.
Ver definición completa →Neural speech synthesis
Síntesis basada en redes neuronales entrenadas de extremo a extremo.
Ver definición completa →Non-autoregressive speech synthesis
Síntesis que genera múltiples pasos en paralelo.
Ver definición completa →Statistical parametric speech synthesis
Síntesis mediante parámetros acústicos predichos por modelos estadísticos.
Ver definición completa →Tacotron 2
Arquitectura neuronal que genera espectrogramas desde texto y usa un vocoder.
Ver definición completa →Sampling rate
Número de muestras de audio capturadas por segundo.
Ver definición completa →Text-to-speech
Conversión de texto escrito en audio hablado.
Ver definición completa →Voice timbre
Cualidad que diferencia voces con igual tono y volumen.
Ver definición completa →© 2026 camiloboo. Automatización e IA para procesos empresariales.
