Qué hace

Esta skill permite la clonación de voz de alta fidelidad y la generación de texto a voz (TTS) directamente a través de tu agente de IA. Aprovechando el NVIDIA Magpie TTS NIM, puede replicar cualquier voz a partir de una breve muestra de audio de 10 a 30 segundos, o generar narración profesional utilizando voces predefinidas de alta calidad.

Por qué usar esta skill

Integrar síntesis de voz de nivel profesional en un flujo de trabajo de desarrollo normalmente requiere SDKs complejos o suscripciones costosas. Esta skill simplifica el proceso mediante la tecnología de clonación zero-shot de NVIDIA, permitiendo que tu agente produzca recursos de audio localizados, narración o retroalimentación de voz personalizada sin salir del terminal. Es significativamente más rápida que el procesamiento de audio manual y utiliza una potente infraestructura en la nube para una síntesis de baja latencia.

Herramientas y funciones compatibles

• NVIDIA Magpie TTS Zeroshot: Clona voces a partir de archivos WAV/MP3 con datos mínimos.
• NVIDIA Magpie Multilingual: Compatibilidad con diversos acentos e idiomas, incluidos español, francés y alemán.
• Gestión de archivos locales: Administra automáticamente la salida de audio y el almacenamiento en un directorio local dedicado.
• Configuración simplificada: Funciona con una simple clave API, eliminando la necesidad de modelos TTS locales con alto consumo de GPU.

Formato de salida

La skill genera archivos de audio WAV de alta fidelidad almacenados localmente, proporcionando una voz clara y natural lista para su uso en aplicaciones, vídeos o pruebas.