/
Groq 和 PlayAI 讓 AI 語音更接近人類 — 這是他們的方法
Groq 與 PlayAI 宣布合作，通過 Groq 的高速推理平臺推出先進的文本轉語音模型 Dialog。這一合作結合了 PlayAI 在語音 AI 方面的專業(yè)知識和 Groq 的專業(yè)處理基礎設施，創(chuàng)造出了據(jù)稱是目前最自然、響應最快的文本轉語音系統(tǒng)之一。該系統(tǒng)不僅支持英語和阿拉伯語，還采用了創(chuàng)新的"自適應語音上下文器"技術，能夠實現(xiàn)更自然的對話流。
Google 在 Vertex AI 平臺上添加其高清語音模型 Chirp 3
Google 宣布將其高清語音接口 Chirp 3 添加到 Vertex AI 開發(fā)平臺。Chirp 3 支持 31 種語言的 8 種新聲音,可用于構建語音助手、創(chuàng)建有聲讀物等。Google 強調 AI 發(fā)展是一場馬拉松,短期內不會成為解決一切問題的靈丹妙藥,但未來十年將帶來重大變革。
創(chuàng)造出病毒級虛擬助手 Maya 的初創(chuàng)公司 Sesame 發(fā)布基礎 AI 模型
AI 公司 Sesame 開源了支持其逼真語音助手 Maya 的基礎模型。這個名為 CSM-1B 的 10 億參數(shù)模型采用 Apache 2.0 許可證，可用于商業(yè)用途。該模型能從文本和音頻輸入生成"RVQ 音頻編碼"，使用了 Meta 的 Llama 模型作為主干。Sesame 提醒開發(fā)者謹慎使用，避免未經同意復制他人聲音或制作虛假內容。
消費者報告指出 AI 語音克隆安全措施漏洞百出
消費者報告研究發(fā)現(xiàn),六家提供人工智能語音克隆軟件的公司中,有四家未能提供有效的防濫用措施。這項技術雖有合法用途,但也容易被濫用于欺詐等非法行為。報告呼吁企業(yè)加強安全保障,并建議加強監(jiān)管以保護消費者權益。
令人驚嘆又不安的超逼真 AI 語音演示
一段令人驚嘆又讓人不安的AI語音演示在網上引發(fā)熱議。2013年，斯派克·瓊斯的電影《她》描繪了一個人們與AI語音助手建立情感聯(lián)系的未來。近12年后，AI初創(chuàng)公司Sesame發(fā)布的新對話語音模型使這一虛構的設想更接近現(xiàn)實，許多用戶對此感到既著迷又不安。
Podcastle 推出支持超過 450 種 AI 語音的文本轉語音模型
Podcastle是一款播客錄制和編輯平臺，現(xiàn)已推出名為Asyncflow v1.0的AI文本轉語音模型，并為開發(fā)者提供API接口，方便其在應用中直接集成該模型。新模型支持超過450種AI語音，能夠為文本進行朗讀。該公司表示，其技術和模型的訓練及推理成本較低，使其在競爭中具備優(yōu)勢。Podcastle的創(chuàng)始人Arto Yeritsyan表示，盡管開發(fā)成本高昂，但得益于最近的大型語言模型進展，Podcastle終于能夠在不需要大量數(shù)據(jù)的情況下構建高質量的語音模型。
這款開源文本轉語音模型只需幾秒音頻就能克隆你的聲音
人工智能初創(chuàng)公司Zyphra推出了兩款開源文本轉語音模型，聲稱只需5秒樣本音頻就能克隆聲音。測試顯示，使用不到30秒的錄音即可生成逼真效果。這項技術雖然存在濫用風險，但也有積極應用前景，如幫助失聲者重獲聲音。該模型采用開源許可證發(fā)布，為語音合成領域帶來新的可能。
獨家對話隨幻科技創(chuàng)始人洪煦：人工智能是底層生產力的革新
目前，虛擬制作行業(yè)發(fā)展已經從以CG、語音合成的計算機技術為主的階段，經歷5G、人工智能技術突破，到現(xiàn)在，進入高速發(fā)展的新階段，虛擬制作的應用領域逐步拓寬，全方面滲透進入各個行業(yè)。
京公網安備 11010802021500號
