GradiumBENCHMARKS

Leído el 19 de noviembre de 2026

Productos de Gradium

Text-to-Speech (Gradium TTS)

Text-to-speech en streaming en tiempo real con voces expresivas en cinco idiomas a través de una única API de streaming.

· Text-to-Speech en menos de 50 ms que resuelve las partes difíciles

· 49 ms hasta el primer audio (P50), benchmark TTS de Speko

· 50 ms de TTFA P50, 0 ms de silencio inicial, 5 ms de dispersión P25–P75 (TTFA percibido, benchmark de Coval)

· 81,0 % de tasa de acierto en casos difíciles: 500 frases, 5 idiomas

Fuente : gradium.ai/text-to-speech

Speech-to-Text (Gradium STT)

Transcripción en streaming creada para conversaciones en directo, con detección semántica de turnos, refuerzo de palabras clave y latencia ajustable a través de un único WebSocket.

· Señal de detección semántica de turnos cada 80 ms

· Retraso ajustable de 0,56 s a 3,84 s

· Refuerzo de palabras clave / pronunciación personalizada: hasta 500 palabras, sin reentrenamiento; la probabilidad de cada palabra puede aumentar ~20x

· Una vez que aparece una palabra, se mantiene (sin reescritura de las palabras anteriores)

Fuente : gradium.ai/speech-to-text

Voice Cloning (Instant and Pro)

Clona una voz a partir de una muestra de 10 segundos (Instant) o ajusta un Pro Voice Clone con entre 30 minutos y unas pocas horas de audio.

· Clona cualquier voz a partir de 10 s de audio; sin paso de entrenamiento

· El clon Instant devuelve una voz utilizable en unos 3 segundos

· Mayor Elo frente a ElevenLabs Flash 2.5 en inglés, francés, español y alemán, en 3220 comparaciones humanas a ciegas

· 1000 clones instantáneos al mes en todos los planes de pago; ilimitados en Enterprise

Fuente : gradium.ai/voice-cloning

Voice Design

Genera una voz completamente nueva a partir de un breve texto descriptivo (edad, género, acento, textura, estado de ánimo), escucha varios candidatos y conserva uno como ID de voz permanente.

· 4,06 / 5 de adherencia al acento, el mejor de cuatro sistemas de diseño de voz probados

· 83,4 % de adherencia al prompt en el benchmark InstructTTSEval en inglés

· Más de 100 acentos

· Voice Design es gratuito e incluido en todos los planes

Fuente : gradium.ai/voice-design

Live Translation (Gradium Translate: stt-translate and s2s-translate)

Traducción de voz en tiempo real entre cinco idiomas en cualquier dirección, como texto (stt-translate) o como voz en una voz elegida o clonada (s2s-translate).

· 20 pares de idiomas: cualquiera de los cinco idiomas a cualquier otro

· 3,0 s de latencia media de extremo a extremo en todos los pares de idiomas

· Salida en cualquiera de las más de 1000 voces del catálogo o en un clon de tu propia voz

· Idioma de origen detectado automáticamente

Fuente : gradium.ai/live-translation

Phonon (on-device TTS)

Text-to-speech de Gradium de pesos abiertos y en el dispositivo, que funciona sin conexión en CPU, teléfonos, placas pequeñas y en el navegador.

· Tres modelos: Phonon 31m (64 MB, inglés, Apache 2.0), Phonon 40m (74,6 MB, 5 idiomas, un modelo por idioma, CC BY-NC), Phonon 40m multilingual (74,6 MB, 5 idiomas en un solo modelo, CC BY-NC)

· 1,7 % de WER (Phonon 31m, inglés) en 500 frases difíciles: números de teléfono, direcciones de correo electrónico, códigos postales

· Empieza a hablar en 7 ms en una CPU de MacBook Air M5; Phonon 31m empieza en 38 ms y funciona 3,7 veces más rápido que en tiempo real en una Raspberry Pi 5

· Hasta 22 veces más rápido que en tiempo real en un iPhone 16 Pro

Fuente : gradium.ai/phonon

Gradbot

Framework de agentes de voz de código abierto de Gradium (núcleo de orquestación en Rust) que coordina STT, cualquier LLM compatible con OpenAI y TTS en tiempo real.

· Crea agentes de voz en tiempo real con unas 50 líneas de código

· Gestiona VAD, turnos de palabra, muletillas, interrupciones; integración con MCP; modo servidor remoto

· Creado para prototipado rápido, demos y experimentación; para uso en producción, utiliza directamente las API de Gradium o integraciones maduras como Pipecat

· Instalación: pip install gradbot

Fuente : gradium.ai/gradbot

Speech-to-Speech (S2S)

Un único WebSocket dúplex que transcribe, traduce y vuelve a sintetizar audio; el único modelo S2S compatible es la traducción en directo (s2s-translate).

· Devuelve tanto el audio de salida sintetizado como la transcripción traducida a medida que se producen

Fuente : docs.gradium.ai/guides/speech-to-speech-overview.md

Voice Enhance and Voice Localization

Enhance limpia una voz existente sin cambiar el idioma ni al hablante; Localization adapta una voz existente a otro idioma o acento.

· Beta de Voice Enhance el 24 de septiembre de 2026; fin de la beta el 8 de octubre de 2026

· API de Voice Localization el 8 de octubre de 2026; localizador de voz en Studio el 16 de octubre de 2026

Fuente : docs.gradium.ai/guides/release-notes/2026-10.md

Gradium Studio

Voice playground y gestión de cuentas en studio.gradium.ai.

· Puestos ilimitados en Studio en todos los planes

Fuente : gradium.ai/llms.txt

Modelos TTS

ModeloAPI
Gradium TTS (current default)defaultModelo TTS predeterminado; 'gradium-tts-beta' también apunta a él hasta la próxima beta. Pasó a ser el predeterminado el 30 de septiembre de 2026 con un habla más expresiva y menor latencia; cfg_coef obsoleto. · alrededor de 50 ms para el primer fragmento de audio (blog, 1 de octubre de 2026); menos de 50 ms en el lanzamiento de la beta frente a 225 ms del modelo de producción de entonces (notas de la versión, 22 de septiembre de 2026); 47 ms P50 en Coval (ventana de 7 días, consultado el 24 de septiembre de 2026)
gradium-tts-beta (alias)gradium-tts-betaAlias que sigue los modelos TTS beta; actualmente apunta al modelo predeterminado.
Gradium TTS (August 31, 2026 release)default (at the time); LiveKit Inference id gradium/defaultLee números de teléfono, direcciones de correo electrónico, IBAN y códigos de referencia sin preprocesamiento; beta pública desde el 30 de julio de 2026. · TTFA P50 de 216 ms en Coval, 170 ms más rápido que el modelo anterior; 30 ms de dispersión p75 - p25
gradium-tts-202602 (previous generation)gradium-tts-202602Modelo anterior conservado temporalmente tras la actualización del 10 de junio de 2026; se retirará gradualmente.
Phonon 31mphonon-31m-en (Hugging Face)En el dispositivo, 31m parámetros, 64 MB, Apache 2.0. · 38 ms para empezar en una Raspberry Pi 5
Phonon 40me.g. phonon-40m-fr (Hugging Face)En el dispositivo, 40m parámetros, 74,6 MB, un modelo por idioma, CC BY-NC 4.0.
Phonon 40m multilingualEn el dispositivo, 40m parámetros, 74,6 MB, cinco idiomas en un solo modelo, CC BY-NC 4.0.

Integraciones

LiveKit Agents

Plugin de Gradium (livekit.plugins.gradium) para STT, TTS o ambos en una misma AgentSession; Gradium TTS en LiveKit Inference como gradium/default

Fuente : docs.gradium.ai/integrations/agent-frameworks/livekit.md · gradium.ai/llms.txt

Pipecat

GradiumTTSService transmite Gradium TTS por WebSocket en un pipeline de Pipecat

Fuente : docs.gradium.ai/integrations/agent-frameworks/pipecat.md

Vapi

No es un proveedor integrado; se conecta mediante webhook de voz personalizada y WebSocket de transcriptor personalizado

Fuente : docs.gradium.ai/integrations/agent-frameworks/vapi.md

OpenClaw

Proveedor de voz de Gradium incluido para agentes de canales de mensajería (notas de voz Opus, telefonía u-law de 8 kHz)

Fuente : docs.gradium.ai/integrations/agent-frameworks/openclaw.md

Gradbot

Framework de agentes de voz de código abierto propio de Gradium

Fuente : docs.gradium.ai/integrations/agent-frameworks/gradbot.md

Keenable

Búsqueda web en tiempo real para agentes de voz de Gradium (demo de Gradbot)

Fuente : docs.gradium.ai/integrations/web-search/keenable.md

Linkup

API de búsqueda web utilizada en una demo de agente de voz de Gradbot para reservas de hotel

Fuente : docs.gradium.ai/integrations/web-search/linkup.md

Tavily

Búsqueda web en tiempo real para un agente de voz de Gradium (demo de alquiler en París)

Fuente : docs.gradium.ai/integrations/web-search/tavily.md

AWS Marketplace / Amazon SageMaker

Suscripción SaaS gestionada a través de AWS Marketplace e imagen de modelo desplegable mediante SageMaker para inferencia dentro de la VPC

Fuente : gradium.ai/llms.txt · gradium.ai/text-to-speech

Baseten

Despliegue dedicado de Gradium TTS alojado en Baseten, mismo protocolo WebSocket

Fuente : docs.gradium.ai/guides/self-hosted/baseten-tts.md

Eden AI

Gradium TTS, STT y traducción de voz disponibles a través de la API de Eden AI, fijados a la región de la UE

Fuente : gradium.ai/llms.txt

AudioStack

Voces de Gradium disponibles en la plataforma de producción de audio de AudioStack

Fuente : gradium.ai/llms.txt

Yampa

Los modelos de voz de Gradium se ejecutan de forma nativa dentro de Yampa (agentes de atención al cliente), SaaS en infraestructura de la UE o on-premise

Fuente : gradium.ai/llms.txt

Seguridad y cumplimiento

SOC 2 Type II attestation (completed October 12, 2026; A-LIGN badge)ISO 27001:2022 certification, independently audited by A-LIGN (September 16, 2026)HDS v2 certified (French health data hosting) for hosting the application platform and operating the information system; HDS orgs get strict EU residency and Zero Data RetentionData residency: sessions pinned to the EU or the US (paid plans)Zero Data Retention, self-serve on paid plansGDPR: DPA applies automatically on self-serve plans; voice cloning not treated as Article 9 special category processingCustomer content not used to train modelsTrust Center at trust.gradium.ai