2023 年 6 月 26 日

谷歌推出AudioPaLM，一種用於語音生成的強大人工智能語言模型

by 達米爾亞拉洛夫

發布日期：26 年 2023 月 1 日下午 00:26 更新日期：2023 年 9 月 07 日凌晨 XNUMX:XNUMX

by 卡羅琳娜·加斯茨

編輯和事實核查：26 年 2023 月 1 日中午 00:XNUMX

簡單來說

AudioPaLM 是由谷歌它結合了基於文字和基於語音的模型，以實現無縫語音和文字處理。

它保留了副語言信息，並且在語音翻譯任務中優於現有系統。

AudioPaLM 可以翻譯帶口音的語言並執行語音傳輸以進行語音到語音翻譯。

谷歌推出了一種名為“語言模型”的語言模型音頻PaLM，它結合了基於文本和基於語音的語言模型，可以無縫地處理和生成語音和文本。通過合併的能力帕LM-2 和音頻LM，AudioPaLM 提供了統一的多模式架構，開闢了廣泛的應用程序，包括語音識別和語音到語音翻譯。

Google 推出 AudioPaLM，一種強大的語音生成語言模型 — 信用： Metaverse Post (mpost.io）

AudioPaLM 的一個顯著特點是，得益於 AudioLM 的影響，它能夠保留說話者身份和語調等副語言信息。同時，它利用 PaLM-2 等基於文本的語言模型中的語言知識。通過使用純文本大型語言模型的權重初始化 AudioPaLM，該模型利用預訓練中使用的大量文本訓練數據，在語音處理方面表現出色。

AudioPaLM 的卓越功能已通過各種實驗得到證明。它在語音翻譯任務中優於現有系統，並展示了執行零樣本的能力語音到文本翻譯對於訓練期間未遇到的語言。

此外，AudioPaLM 還具有以下功能：音頻語言模型根據簡短的語音提示跨語言傳輸語音。

谷歌已經 AudioPaLM 功能示例可供探索。該模型能夠翻譯具有不同口音的語言（例如意大利語和德語），引起了研究人員和用戶的興趣。此外，正如自動指標和人工評估人員所證實的那樣，它在執行語音到語音翻譯的語音傳輸方面的熟練程度使其與現有基線區分開來。

該模型非常擅長將一種語言從音頻翻譯成另一種語言的音頻，保留人的聲音和情感。有趣的是，在翻譯意大利語和德語等一些語言時，該模型有明顯的口音，而在翻譯其他語言（例如法語）時，它帶有完美的美國口音。

AudioPaLM 模型，包含語音到語音翻譯和自動語音識別的示例。

閱讀有關人工智能的更多信息：

標籤：

免責聲明

在與線信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。

關於作者

Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。他的文章每月吸引超過一百萬用戶的大量讀者。他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。