Canopy Labs: Orpheus 3B

Canopy Labs: Orpheus 3B es un modelo de texto a voz de Canopy Labs. Es un modelo de 3B parámetros ajustado para la síntesis de voz en inglés, con un enfoque en la prosodia natural y la entrega expresiva. El modelo fue lanzado por el proveedor el 23 de abril de 2026. Su categoría principal es voz, y está posicionado como un modelo especializado en lugar de un modelo de lenguaje de propósito general.

El modelo toma texto como su única entrada y produce voz como su única salida. Tiene una longitud de contexto de 4096 tokens, y la salida máxima es de 3686 tokens. Orpheus 3B viene con 7 voces predefinidas: tara, leah, jess, leo, dan, mia y zac. El proveedor lo describe como ajustado para prosodia natural y entrega expresiva, lo que significa que el énfasis está en cómo suena la voz generada en lugar de en la comprensión de texto o el razonamiento.

Esas capacidades apuntan a un conjunto bastante específico de casos de uso. La narración es un encaje natural, ya que el modelo está ajustado para la prosodia y la expresión en pasajes largos de texto en inglés. Los asistentes de voz son otro, donde las siete voces predefinidas te permiten elegir un hablante consistente para las respuestas habladas. Lo mismo se aplica a cualquier aplicación que necesite convertir contenido escrito en audio, como leer artículos en voz alta, generar indicaciones habladas o producir pistas de voz para un conjunto fijo de personajes o presentadores. Debido a que la entrada es solo texto, el modelo no acepta audio para clonación o transcripción, y debido a que la salida es solo voz, no devuelve texto que puedas posprocesar.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "canopylabs/orpheus-3b-0.1-ft". La solicitud sigue la misma forma que otros endpoints de voz compatibles con OpenAI, con tu texto como entrada. El modelo no lista parámetros soportados, así que no deberías esperar pasar controles de muestreo, indicadores de selección de voz u otras opciones de ajuste a través de la solicitud. Las siete voces son parte de la configuración fija del modelo en lugar de parámetros de la solicitud.

El contexto de 4096 tokens y el límite de salida de 3686 tokens merecen planificarse. Los documentos muy largos necesitarán dividirse en fragmentos antes de la síntesis, y el enfoque solo en inglés significa que otros idiomas quedan fuera de alcance. Si tu tarea es generación de texto, razonamiento, traducción o cualquier cosa que devuelva texto, un modelo de lenguaje general encajará mejor. Orpheus 3B es la elección correcta cuando el entregable es audio hablado en inglés y quieres que la prosodia sea manejada por el propio modelo.