Компания Microsoft представила искусственный интеллект VALL-E, который способен имитировать любой человеческий голос на основе примера длительностью всего в три секунды. При этом голос имитируется очень достоверно, с сохранением как тембра, так и эмоциональной окраски оригинала.
Подпишитесь на канал Gloss.ua в Telegram.
Сама Microsoft называет VALL-E «языковой моделью нейронного кодека». Разработка опирается на технологии EnCodec.
В отличие от других методов преобразования текста, которые зачастую синтезируют речь, манипулируя формами сигналов, разработка Microsoft в основном анализирует, как именно звучит человек, разбивает эту информацию на отдельные «токены» и использует обучающие данные, чтобы сопоставить свои «знания» о том, как этот голос будет звучать, если ИИ произнесет другие фразы.
Обучение VALL-E проходило на библиотеке LibriLight, содержащей 60 000 часов англоязычной речи от 7000 человек.
Публиковать исходный код VALL-E Microsoft не решились — технологию могут использовать в злых целях. В компании также сообщили, что будущие проекты, если они несут потенциальную угрозу злоупотреблений, в открытый доступ попадать не будут.
Теги: новости мира , технологии , искусственный интеллект , Microsoft , голос
