Meta представи модела на Voicebox с изкуствен интелект, който генерира и редактира устна реч
Инженерите на Meta показаха модел на невронна мрежа Voicebox, който има необятен набор от благоприятни условия за работа с джука тирада: генериране, редактиране или стилизиране съгласно образеца. Авторите на плана го разказват като пробив в моделите за изкуствен интелект на речта.
Voicebox може да генерира първокачествен глас или да модифицира авансово записан глас, като да вземем за пример да отстранява непознати звуци като клаксони на коли или лай на кучета, като в същото време резервира наличието на речта и стилистиката. Той даже може да възпроизведе част от записа, в случай че е належащо, като поправи погрешно произнесена дума да вземем за пример. Поддържат се шест езика: британски, френски, немски, испански, полски и португалски. Voicebox може да се употребява като симултанен преводач, като предава гласа и метода на говорене на събеседника.
-->
Моделът е подготвен върху 50 часа аудиокниги, което е задоволително, с цел да му даде опция да разбере добре говоримото слово: той генерира профил на гласа и метода на говорене въз основа на извадка с дълготрайност единствено две секунди и по-късно може да го възпроизведе с всеки текст. На процедура тези функционалности могат да се окажат потребни в метауниверситетски приложения, като обезпечат естествено звучащи гласове за виртуални асистенти и персонажи, които не са герои от игри; или за хора с повредено зрение моделът може да озвучава писма с гласовете на техните създатели.
Meta постоянно разгласява своите модели на изкуствен интелект, само че не и този път. Компанията не разкрива какви материали са били употребявани за образованието на Voicebox и не предлага да тества технологията на процедура - опасява се от злоупотреби.
Voicebox може да генерира първокачествен глас или да модифицира авансово записан глас, като да вземем за пример да отстранява непознати звуци като клаксони на коли или лай на кучета, като в същото време резервира наличието на речта и стилистиката. Той даже може да възпроизведе част от записа, в случай че е належащо, като поправи погрешно произнесена дума да вземем за пример. Поддържат се шест езика: британски, френски, немски, испански, полски и португалски. Voicebox може да се употребява като симултанен преводач, като предава гласа и метода на говорене на събеседника.
-->
Моделът е подготвен върху 50 часа аудиокниги, което е задоволително, с цел да му даде опция да разбере добре говоримото слово: той генерира профил на гласа и метода на говорене въз основа на извадка с дълготрайност единствено две секунди и по-късно може да го възпроизведе с всеки текст. На процедура тези функционалности могат да се окажат потребни в метауниверситетски приложения, като обезпечат естествено звучащи гласове за виртуални асистенти и персонажи, които не са герои от игри; или за хора с повредено зрение моделът може да озвучава писма с гласовете на техните създатели.
Meta постоянно разгласява своите модели на изкуствен интелект, само че не и този път. Компанията не разкрива какви материали са били употребявани за образованието на Voicebox и не предлага да тества технологията на процедура - опасява се от злоупотреби.
Източник: standartnews.com
КОМЕНТАРИ