O Gradium atende equipes que criam agentes de voz conversacionais, bots telefônicos e experiências de tradução em tempo real, onde a latência define se o produto parece natural. O catálogo de modelos cobre o ciclo completo: texto para fala para síntese, fala para texto para transcrição, tradução fala a fala ao vivo, clonagem instantânea a partir de uma amostra curta, clonagem profissional para vozes personalizadas de produção e design de vozes que cria uma voz nova apenas com uma descrição em texto.
A plataforma é API-first, com SDKs para Python e Rust, streaming via WebSocket, detecção semântica de atividade de voz, vocabulários personalizados, suporte a alternância de idiomas e integrações como LiveKit e Pipecat para encaixar em stacks de agentes já existentes. Também publica o Phonon, um modelo TTS aberto que roda no dispositivo, útil em implantações offline ou com exigências rígidas de privacidade.
O preço é baseado em créditos, com cinco planos autosserviço e uma opção corporativa. Os créditos correspondem ao uso: texto para fala custa 1 crédito por caractere, fala para texto 3 créditos por segundo, tradução de fala para texto 4 créditos por segundo e tradução fala a fala 30 créditos por segundo. Planos superiores liberam uso comercial, mais vozes personalizadas, clones profissionais e maior concorrência; a opção corporativa adiciona inferência dedicada, implantação on-premises e endpoints Baseten ou SageMaker.
