Этот пост добавлен читателем Naked Science в раздел «Сообщество». Узнайте как это сделать по ссылке.

1,6 тыс

Microsoft создала ИИ, который спустя три секунды обучения уже может имитировать голос человека

Группа исследователей компании Microsoft разработала совершенно новую систему Vall-E, которая может качественно воспроизводить голос конкретного человека всего после нескольких секунд аудиотренировки.

©cdn.mos.cms.futurecdn

Vall-E — не первый голосовой ИИ-инструмент, но он, как обещают исследователи, сможет превзойти их все по своим возможностям. В новой статье разработчики Vall-E утверждают, что большинство современных систем преобразования текста в речь ограничены их зависимостью от «высококачественных чистых данных» для точного синтеза высококачественной речи.

Во время создания модели использовалась технология EnCodec, которая обеспечивает эффективное сжатие аудиосигнала. В отличие от традиционных методов преобразования текста в речь, VALL-E не конструирует звуковые волны, а анализирует особенности речи человека, разбивает эти данные на отдельные компоненты («токены») и генерирует запись, моделируя голос так, как он бы мог звучать за пределами трехсекундного образца.   

Поскольку VALL-E может синтезировать речь, сохраняя идентичность говорящего,  Microsoft не стала публиковать код VALL-E, чтобы любители розыгрышей или мошенники не смогли использовать систему во вред, хотя само появление VALL-E уже вызывает опасение, а в Сети сразу вспомнили про знаменитый отрывок с имитацией голоса из фильма «Терминатор 2». 

©4KrashKINO
Нашли опечатку? Выделите фрагмент и нажмите Ctrl (Cmd) + Enter.
Подписывайтесь на нас в Telegram, Дзен и в последнюю очередь на VK

Комментарии

3 Комментария
Предстоящие мероприятия
[miniorange_social_login]