Gradium se dirige a equipos que construyen agentes de voz conversacionales, bots telefónicos y experiencias de traducción en tiempo real, donde la latencia decide si el producto se siente natural. Su catálogo de modelos cubre todo el ciclo: texto a voz para síntesis, voz a texto para transcripción, traducción de voz a voz en vivo, clonación instantánea a partir de una muestra corta, clonación profesional para voces personalizadas de producción y diseño de voces que crea una voz nueva solo con una descripción textual.
La plataforma es API-first, con SDK para Python y Rust, streaming por WebSocket, detección semántica de actividad de voz, vocabularios propios, soporte de alternancia de idiomas e integraciones como LiveKit y Pipecat para encajarla en stacks de agentes ya existentes. Además publica Phonon, un modelo TTS abierto que funciona en el dispositivo y permite despliegues offline o con requisitos estrictos de privacidad.
El precio se basa en créditos, con cinco planes autoservicio y una opción empresarial. Los créditos se traducen en uso: texto a voz cuesta 1 crédito por carácter, voz a texto 3 créditos por segundo, traducción de voz a texto 4 créditos por segundo y traducción de voz a voz 30 créditos por segundo. Los planes superiores desbloquean uso comercial, más voces personalizadas, clones profesionales y mayor concurrencia; la opción empresarial añade inferencia dedicada, despliegue on-premise y endpoints Baseten o SageMaker.
