CFish Audio, una empresa líder en tecnología de inteligencia artificial para audio, lanzó oficialmente su nuevo modelo de conversión de texto a voz (TTS) —OpenAudio S1— el 3 de junio de 2025. Este modelo destaca por su alta naturalidad y expresividad emocional, estableciendo un nuevo estándar en la generación de voz. Está diseñado para ofrecer soluciones de alto rendimiento y con una excelente relación costo-beneficio tanto a desarrolladores como a empresas.

Innovaciones de escala y rendimiento

OpenAudio S1 ha sido entrenado con más de 2 millones de horas de datos de audio, lo que le permite capturar de manera precisa diferentes estilos lingüísticos, acentos y expresiones emocionales. El modelo tiene dos versiones: la versión completa S1 con 4 mil millones de parámetros, diseñada para altas exigencias de rendimiento; y la versión S1-mini con 500 millones de parámetros, optimizada para eficiencia computacional, ideal para entornos con limitados recursos. Esta flexibilidad permite satisfacer las necesidades de aplicaciones empresariales de gran escala hasta dispositivos livianos.

Gracias a un diseño avanzado y al uso de aprendizaje por refuerzo basado en retroalimentación humana (RLHF), OpenAudio S1 mejora significativamente la naturalidad, fluidez tonal y riqueza emocional de la voz generada. Según CFish Audio, el modelo se desempeña excepcionalmente bien en interacciones conversacionales, narrativa y creación de contenido, siendo aplicable en áreas como asistentes virtuales, audiolibros, juegos y generación de contenido multimedia.

Características principales

Soporte de grandes volúmenes de datos: Entrenado con más de 2 millones de horas de audio, cubriendo una amplia gama de lenguajes y expresiones emocionales.Doble versión del modelo: La versión S1 de 4 mil millones de parámetros ofrece un rendimiento superior, mientras que la versión S1-mini equilibra eficiencia y calidad.Voz emocionalizada: La tecnología RLHF otorga al modelo la capacidad de generar voces llenas de emoción, mejorando la experiencia de interacción del usuario.Eficiencia económica: Optimiza la demanda de recursos computacionales, asegurando salidas de alta calidad al tiempo que reduce los costos de implementación.

El lanzamiento de OpenAudio S1 consolida a CFish Audio como líder en el campo de la IA generativa. Gracias a su equilibrio entre rendimiento y costo, este modelo podría impulsar la adopción masiva de la tecnología de generación de voz en sectores como la educación, el entretenimiento y el servicio al cliente. Los expertos consideran que OpenAudio S1 ayudará a crear experiencias interactivas más humanizadas y satisfacerá la creciente demanda de soluciones de voz de alta calidad.

Disponibilidad y perspectivas

CFish Audio ya ha abierto OpenAudio S1 a desarrolladores y empresas de todo el mundo, con más información disponible a través de sus canales oficiales. Este lanzamiento refleja el continuo esfuerzo de CFish Audio por promover la innovación en tecnologías de audio y mejorar la experiencia de interacción humano-máquina.

Con la creciente demanda de tecnologías de generación de voz, OpenAudio S1, gracias a sus excelentes prestaciones y economía, podría convertirse en un referente del sector, abriendo nuevas posibilidades para las aplicaciones de voz de próxima generación.