VALL-E: el nuevo modelo de texto a voz zero-shot de Microsoft puede duplicar la voz de todos en tres segundos
En Resumen
Con sólo una muestra de tres segundos de cualquier voz, el modelo TTS basado en transformador VALL-E puede producir voz en cada voz.
Este es un avance significativo en la dirección de sistemas TTS con un sonido más natural.
Sin embargo, Microsoft ha proporcionado algunas muestras del modelo en uso y es evidente que esto representa un desarrollo significativo en la tecnología TTS.
Desde el lanzamiento del primer modelo de texto a voz (TTS), los investigadores han estado buscando formas de mejorar la forma en que estos sistemas generan voz. El último modelo de Microsoft, VALLE-E, es un importante paso adelante en este sentido.
VALL-E es un modelo TTS basado en un transformador que puede generar voz en cualquier voz después de escuchar solo una muestra de tres segundos de esa voz. Esta es una mejora significativa con respecto a los modelos anteriores, que requerían un período de entrenamiento mucho más largo para generar una nueva voz.
Artículo relacionado: Microsoft ha lanzado un modelo de difusión que puede construir un avatar 3D a partir de una sola foto de una persona. |
Además, la entonación, el carisma y el estilo de la voz se mantienen intactos en el discurso generado. Este es un importante paso adelante para hacer que los sistemas TTS suenen más naturales.
Este modelo está basado en un transformador y tiene una apariencia de Dale-1. No debe confundirse con el Dalle-2 basado en difusión. Aún falta el código. Y los usuarios tienen cierto escepticismo de que lo publiquen.
Artículo relacionado: VALL-E de Microsoft parece ser el software fraudulento más peligroso de la historia |
Sin embargo, Microsoft ha publicado algunos ejemplos del modelo en acción y está claro que se trata de un gran avance en la tecnología TTS.
Ejemplo #1:
Ejemplo #2:
Ejemplo #3:
Lea más sobre la IA:
Observación
En línea con la Directrices del Proyecto Confianza, tenga en cuenta que la información proporcionada en esta página no pretende ser ni debe interpretarse como asesoramiento legal, fiscal, de inversión, financiero o de cualquier otro tipo. Es importante invertir sólo lo que pueda permitirse perder y buscar asesoramiento financiero independiente si tiene alguna duda. Para mayor información sugerimos consultar los términos y condiciones así como las páginas de ayuda y soporte proporcionadas por el emisor o anunciante. MetaversePost se compromete a brindar informes precisos e imparciales, pero las condiciones del mercado están sujetas a cambios sin previo aviso.
Sobre el Autor
Damir es el líder del equipo, gerente de producto y editor en Metaverse Post, que cubre temas como AI/ML, AGI, LLM, Metaverse y Web3-campos relacionados. Sus artículos atraen una audiencia masiva de más de un millón de usuarios cada mes. Parece ser un experto con 10 años de experiencia en SEO y marketing digital. Damir ha sido mencionado en Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto y otras publicaciones. Viaja entre los Emiratos Árabes Unidos, Turquía, Rusia y la CEI como nómada digital. Damir obtuvo una licenciatura en física, que él cree que le ha dado las habilidades de pensamiento crítico necesarias para tener éxito en el panorama siempre cambiante de Internet.
Más artículosDamir es el líder del equipo, gerente de producto y editor en Metaverse Post, que cubre temas como AI/ML, AGI, LLM, Metaverse y Web3-campos relacionados. Sus artículos atraen una audiencia masiva de más de un millón de usuarios cada mes. Parece ser un experto con 10 años de experiencia en SEO y marketing digital. Damir ha sido mencionado en Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto y otras publicaciones. Viaja entre los Emiratos Árabes Unidos, Turquía, Rusia y la CEI como nómada digital. Damir obtuvo una licenciatura en física, que él cree que le ha dado las habilidades de pensamiento crítico necesarias para tener éxito en el panorama siempre cambiante de Internet.