VALL-E: Noul model de redare a textului în vorbire al Microsoft poate duplica vocea tuturor în trei secunde
Pe scurt
Cu doar o mostră de trei secunde din orice voce, modelul TTS bazat pe transformator VALL-E poate produce vorbire în fiecare voce.
Acesta este un progres semnificativ în direcția sistemelor TTS cu sunet mai natural.
Microsoft a oferit, totuși, câteva mostre ale modelului în uz și este evident că aceasta reprezintă o dezvoltare semnificativă în tehnologia TTS.
De la lansarea primului model text-to-speech (TTS), cercetătorii au căutat modalități de a îmbunătăți modul în care aceste sisteme generează vorbire. Cel mai recent model de la Microsoft, VALE, este un pas semnificativ înainte în acest sens.
VALL-E este un model TTS bazat pe transformator care poate genera vorbire în orice voce după ce a auzit doar o probă de trei secunde din acea voce. Aceasta este o îmbunătățire semnificativă față de modelele anterioare, care au necesitat o perioadă de antrenament mult mai lungă pentru a genera o nouă voce.
Articol asociat: Microsoft a lansat un model de difuzie care poate construi un avatar 3D dintr-o singură fotografie a unei persoane |
În plus, intonația, carisma și stilul vocii sunt păstrate intacte în discursul generat. Acesta este un pas important înainte pentru ca sistemele TTS să sune mai natural.
Acest model este bazat pe transformator și are un aspect Dale-1. Nu trebuie confundat cu Dalle-2 pe bază de difuzie. Codul încă lipsește. Iar utilizatorii au un oarecare scepticism că îl vor posta.
Articol asociat: VALL-E de la Microsoft pare a fi cel mai periculos software de escrocherie vreodată |
Cu toate acestea, Microsoft a lansat câteva exemple ale modelului în acțiune și este clar că acesta este un progres major în tehnologia TTS.
Exemplul #1:
Exemplul #2:
Exemplul #3:
Citiți mai multe despre AI:
Declinare a responsabilităţii
În conformitate cu Ghidurile proiectului Trust, vă rugăm să rețineți că informațiile furnizate pe această pagină nu sunt destinate și nu trebuie interpretate ca fiind consiliere juridică, fiscală, investițională, financiară sau orice altă formă de consiliere. Este important să investești doar ceea ce îți poți permite să pierzi și să cauți sfaturi financiare independente dacă ai îndoieli. Pentru informații suplimentare, vă sugerăm să consultați termenii și condițiile, precum și paginile de ajutor și asistență furnizate de emitent sau agent de publicitate. MetaversePost se angajează să raporteze corecte, imparțial, dar condițiile de piață pot fi modificate fără notificare.
Despre autor
Damir este liderul echipei, manager de produs și editor la Metaverse Post, care acoperă subiecte precum AI/ML, AGI, LLM-uri, Metaverse și Web3-domenii conexe. Articolele sale atrag o audiență masivă de peste un milion de utilizatori în fiecare lună. El pare a fi un expert cu 10 ani de experiență în SEO și marketing digital. Damir a fost menționat în Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto și alte publicații. Călătorește între Emiratele Arabe Unite, Turcia, Rusia și CSI ca nomad digital. Damir a obținut o diplomă de licență în fizică, despre care crede că i-a oferit abilitățile de gândire critică necesare pentru a avea succes în peisajul în continuă schimbare al internetului.
Mai multe articoleDamir este liderul echipei, manager de produs și editor la Metaverse Post, care acoperă subiecte precum AI/ML, AGI, LLM-uri, Metaverse și Web3-domenii conexe. Articolele sale atrag o audiență masivă de peste un milion de utilizatori în fiecare lună. El pare a fi un expert cu 10 ani de experiență în SEO și marketing digital. Damir a fost menționat în Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto și alte publicații. Călătorește între Emiratele Arabe Unite, Turcia, Rusia și CSI ca nomad digital. Damir a obținut o diplomă de licență în fizică, despre care crede că i-a oferit abilitățile de gândire critică necesare pentru a avea succes în peisajul în continuă schimbare al internetului.