39 idiomas, cada uno con su propia voz.

Son voces neuronales de texto a voz, una voz nativa femenina y una masculina por idioma, que devuelven la sincronización de cada palabra para que los subtítulos puedan seguir el habla exactamente. Las tomas filmadas (reseñas de productos, películas de IA) son locutadas por el modelo de vídeo, al que se le indica el acento del idioma.

Dos razones. Esos alfabetos necesitan un modelado que el renderizador de subtítulos no puede hacer, por lo que las letras saldrían separadas e invertidas. Y la forma romanizada es como la mayoría de los creadores en esos idiomas escriben los subtítulos en las redes sociales. La voz sigue hablando el idioma real, a partir de una línea escrita en su propio alfabeto.

Sí. Una línea escrita en alfabeto latino se translitera al alfabeto propio del idioma antes de que la voz la lea (una voz en urdu leyendo urdu romanizado obtuvo una puntuación de uno sobre diez en las pruebas), y los subtítulos mantienen tu ortografía. Las voces en hindi se adaptan al hinglish de cualquier manera.

Escribe cómo suena entre paréntesis junto a la palabra, como Siobhan(shi-vawn). La voz dice los paréntesis, la pantalla y los subtítulos muestran la palabra. Una sola marca corrige cada uso de la palabra en ese vídeo.

Las páginas de marketing están en 15 idiomas (Inglés, Español, Portugués, Alemán, Francés, Italiano, Turco, Ruso, Árabe, Hindi, Urdu, Indonesio, Japonés, Coreano, Vietnamita); la app en sí está en inglés.