Los creadores de HeyGen eligen Fish Audio tres veces más para clonar voces.

Los creadores de HeyGen son internacionales. Australia, India, Reino Unido, Sudáfrica, Singapur, Irlanda, Escocia, Filipinas y el Caribe: todos hablan inglés, pero cada uno suena diferente.

La capa de texto a voz que HeyGen tenía en producción generaba un inglés estadounidense preciso y acercaba los demás acentos a él. La prosodia se aplanaba y las vocales se neutralizaban. El acento que permitía al público reconocer a un creador volvía convertido en algo cercano al estadounidense neutro. El patrón se repetía en gran parte del mercado por un motivo: los modelos entrenados primero en inglés estadounidense y adaptados después suelen rendir bien en él y perder calidad de forma previsible en los demás acentos.

Los creadores lo notaron enseguida. La similitud del acento se convirtió en una queja recurrente: sus voces ya no sonaban como ellos. Además, el problema se concentraba justo en el público que HeyGen quería ampliar. Los creadores de todo el mundo necesitaban que sus voces viajaran entre idiomas y acentos sin perder la identidad que los hacía reconocibles.

La evaluación no fue una comparación de funciones. HeyGen no buscaba el modelo con menor latencia, mayor expresividad o más idiomas compatibles. Redujo la evaluación a una pregunta mucho más sencilla: cuando un creador clonaba su voz, ¿seguía sonando como él?

En concreto, HeyGen comprobó si el modelo podía conservar el acento que hacía reconocible una voz. ¿Podía un creador británico mantener su acento? ¿Podía una voz cambiar de idioma sin convertirse por defecto en una versión americanizada de sí misma?

Ese fue el criterio. Una voz podía ser rápida, expresiva y técnicamente impresionante, pero si cambiaba el acento, no superaba la prueba.

HeyGen eligió Fish Audio porque era la mejor opción según ese criterio. La velocidad y el precio importaban, pero ninguno era decisivo. Una vez superado el umbral de rendimiento, la diferencia era sencilla: ¿qué modelo podía reproducir la voz con mayor fidelidad en distintos acentos?

Fish Audio destacó porque conservaba las características de la voz original en lugar de acercarlas a un patrón común. Esa consistencia permitió a HeyGen llevar su producto de voz a más creadores y mercados sin pedirles que renunciaran a su forma de sonar.

El resultado fue más que un modelo de voz mejor. Eliminó una barrera para utilizar HeyGen entre idiomas y dio a la empresa una base más sólida para su estrategia global de creadores.

HeyGen desplegó S2 Pro mediante la API en la nube de Fish Audio. Todos los vídeos que los creadores publican con una voz de Fish pasan por el modelo. No fue necesario un lanzamiento gradual ni un grupo piloto. La integración alcanzó escala de producción de inmediato.

Desde que migró a Fish Audio, HeyGen no ha tenido ningún problema de similitud de acento en producción. En las pruebas de voz, los creadores eligieron Fish Audio frente a la alternativa en una proporción de 3:1.

Hoy, Fish Audio impulsa las experiencias de voz de los creadores de HeyGen en todo el mundo y ayuda a que cada voz suene inequívocamente como su creador, hable donde hable.