Genpio entrenó sus propios modelos de avatar y de voz, y los sirve en su propio stack de inferencia, así que la latencia, el costo y la calidad los ajustamos nosotros y no un proveedor. Genpio Voices es un ajuste fino de la arquitectura OmniVoice (Apache-2.0) sobre Qwen3-0.6B; Genpio es dueño íntegro de los pesos resultantes, con plenos derechos comerciales, y los ejecuta en sus propias GPU. Los corpus de entrenamiento también son públicos: OpenSLR SLR94, SLR37, SLR41-44, SLR63-80, SLR86, SLR129 y SLR33, más Google FLEURS, con más de 60 idiomas entrenados juntos en una sola corrida.