VALL-E: Microsoftov novi zero-shot model besedila v govor lahko podvoji glas vsakogar v treh sekundah
Na kratko
S samo tremi sekundami vzorca katerega koli glasu, transformatorski model TTS VALL-E lahko ustvari govor v vsakem glasu.
To je pomemben napredek v smeri bolj naravno zvenečih sistemov TTS.
Vendar pa je Microsoft zagotovil nekaj vzorcev modela v uporabi in očitno je, da to predstavlja pomemben napredek v tehnologiji TTS.
Od izdaje prvega modela besedila v govor (TTS) raziskovalci iščejo načine za izboljšanje načina, kako ti sistemi ustvarjajo govor. Najnovejši model podjetja Microsoft, DOLINA, je v tem pogledu pomemben korak naprej.
VALL-E je model TTS na osnovi transformatorja, ki lahko ustvari govor v katerem koli glasu, potem ko sliši le trisekundni vzorec tega glasu. To je precejšnja izboljšava v primerjavi s prejšnjimi modeli, ki so zahtevali veliko daljše obdobje usposabljanja, da bi ustvarili nov glas.
| Povezani članek: Microsoft je izdal difuzijski model, ki lahko sestavi 3D avatar iz ene fotografije osebe |
Poleg tega so intonacija, karizma in slog glasu v ustvarjenem govoru ohranjeni nedotaknjeni. To je pomemben korak naprej pri bolj naravnem zvoku sistemov TTS.
Ta model temelji na transformatorju in ima videz Dale-1. Ne sme se zamenjati z difuzijskim Dalle-2. Koda še vedno manjka. In uporabniki so nekoliko skeptični, da ga bodo objavili.
Vendar je Microsoft izdal nekaj primerov modela v akciji in jasno je, da je to velik napredek v tehnologiji TTS.
Primer #1:
Primer #2:
Primer #3:
Preberite več o AI:
Zavrnitev odgovornosti
V skladu z Smernice projekta Trust, upoštevajte, da informacije na tej strani niso namenjene in se jih ne sme razlagati kot pravni, davčni, naložbeni, finančni ali kakršen koli drug nasvet. Pomembno je, da vlagate samo tisto, kar si lahko privoščite izgubiti, in da poiščete neodvisen finančni nasvet, če imate kakršne koli dvome. Za dodatne informacije predlagamo, da si ogledate določila in pogoje ter strani s pomočjo in podporo, ki jih nudi izdajatelj ali oglaševalec. MetaversePost se zavzema za natančno in nepristransko poročanje, vendar se tržni pogoji lahko spremenijo brez predhodnega obvestila.
O avtorju
Damir je vodja ekipe, produktni vodja in urednik pri Metaverse Post, ki pokriva teme, kot so AI/ML, AGI, LLMs, Metaverse in Web3- sorodna področja. Njegovi članki vsak mesec pritegnejo množično občinstvo več kot milijon uporabnikov. Zdi se, da je strokovnjak z 10-letnimi izkušnjami na področju SEO in digitalnega trženja. Damir je bil omenjen v Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto in druge publikacije. Kot digitalni nomad potuje med ZAE, Turčijo, Rusijo in SND. Damir je diplomiral iz fizike, kar mu je po njegovem mnenju dalo sposobnosti kritičnega razmišljanja, potrebne za uspeh v nenehno spreminjajočem se okolju interneta.
več člankov
Damir je vodja ekipe, produktni vodja in urednik pri Metaverse Post, ki pokriva teme, kot so AI/ML, AGI, LLMs, Metaverse in Web3- sorodna področja. Njegovi članki vsak mesec pritegnejo množično občinstvo več kot milijon uporabnikov. Zdi se, da je strokovnjak z 10-letnimi izkušnjami na področju SEO in digitalnega trženja. Damir je bil omenjen v Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto in druge publikacije. Kot digitalni nomad potuje med ZAE, Turčijo, Rusijo in SND. Damir je diplomiral iz fizike, kar mu je po njegovem mnenju dalo sposobnosti kritičnega razmišljanja, potrebne za uspeh v nenehno spreminjajočem se okolju interneta.
