duration.ai

Duration crea la familia Crosstalk, modelos de IA para móviles pensados para texto a voz y afinados para el teléfono, no para servidores. La voz se emite más rápido que en tiempo real y arranca casi al instante, y la aceleración del chip móvil descarga el trabajo de la nube. El precio a pagar es que el mejor modelo se queda en los iPhone más nuevos.

Los modelos clonan una voz a partir de una muestra corta, y la app principal lo hace entera en el propio móvil. Grabas 5 a 10 segundos de habla y obtienes audio con tu voz al momento. Nada sale del dispositivo, algo que importa si prefieres no subir tu voz a un servicio.

Los modelos Crosstalk emiten las marcas de tiempo por palabra mientras generan la voz, así que los subtítulos cuadran sin un paso aparte de transcripción. Los tiempos son lo bastante precisos para mover un resaltado en directo, estilo karaoke, mientras se produce el audio. Eso quita toda una fase de la mayoría de los flujos de subtitulado.

Un limpiador portado procesa las grabaciones de voz en el móvil, y Duration asegura que se queda cerca de las herramientas de nube de pago en cuanto a voz. Se ocupa de música de fondo, un ventilador en marcha y voces solapadas, lo que hace mucho más usable una muestra corta de clonación. La reverberación es el punto débil y se queda en el audio.

El modelo pequeño llega hasta un iPhone 12 Pro de 2020 y un Fairphone 4 de 2021, y cabe dentro del paquete de la app sin descarga aparte. El rendimiento sube con chips más nuevos, y un tope de gama reciente termina un clip varias veces más rápido. Ese rango es lo que hace realista la voz en el dispositivo para mucha gente.

Duration ajusta sus modelos de iOS para el Neural Engine de Apple, que hace este tipo de cálculo más rápido y con una fracción de la energía. Así el móvil se calienta menos y quedan recursos para el resto de la app. Android sigue tirando de CPU porque sus aceleradores son más difíciles de aprovechar bien.