(niedostępne jeszcze publicznie, ma obsługiwać POLSKI)
Meta AI ogłosiła niedawno przełom w generatywnej sztucznej inteligencji dla mowy o nazwie Voicebox. Jest to model, który może tworzyć i edytować wysokiej jakości klipy audio w różnych językach i stylach, bez konieczności szkolenia do określonych zadań. Voicebox wykorzystuje nowatorską technikę o nazwie Flow Matching, która zwiększa wydajność modeli dyfuzyjnych. Może produkować mowę w sześciu językach: angielskim, francuskim, niemieckim, hiszpańskim, polskim i portugalskim. Może również wykonywać zadania takie jak synteza mowy na tekst, edycja mowy, redukcja szumów, transfer stylu między językami i różnorodne próbkowanie mowy. Voicebox przewyższa obecne najnowocześniejsze modele pod względem wskaźnika błędów słów i podobieństwa dźwięku. Ze względu na potencjalne ryzyko niewłaściwego użycia, Voicebox nie jest publicznie dostępny, ale Meta AI opracowała klasyfikator, który może wykryć, czy klip audio jest generowany przez Voicebox, czy nie.
#ai #ai #voicecloning #voice #voiceediting #speech
