Microsoft yapay zeka VALL-E'yi tanıttı. dayalı olarak ses kayıtları oluşturabilir.
Cornell Üniversitesi'ndeki araştırmacılarkonuşma oluşturma mekanizmalarını analiz etmek için VALL-E modelini kullandı. Ön baskısı arXiv sunucusunda yayınlanan çalışmalarında, bilim adamları 60.000 saatlik İngilizce konuşma temelinde eğitilmiş bir sinir ağını inceliyorlar. Bu, mevcut analoglardan yüzlerce kat daha fazladır.
AI nasıl çalışır? Resim: VALL-E
Analiz, sistemin yeterli olduğunu gösterdimuhatabın sesini taklit etmek için üç saniyelik bir klip. Aynı zamanda Vall-E, kulağa doğal gelen konuşma ve ses benzerliği açısından günümüzün TTS sisteminden çok daha üstündür. Ayrıca konuşmacının duygularını ve akustik ortamı (orijinal kaydın yapıldığı odanın akustik özelliklerinin etkisi) koruyabilir.
Geliştirilen üretim sistemi halen kapalıdır.halka açık erişim, ancak araştırmacılar internetteki sitede örnek ve bitmiş ses dosyalarının örneklerini yayınladılar. Üretilen konuşma örneklerinin kalitesi değişir. Bazıları kulağa doğal gelirken, diğerleri makine tarafından oluşturulmuş gibi geliyor. Geliştirmenin yazarları, farklı aksanlar da dahil olmak üzere farklı seslerde daha fazla eğitimin sistemin kalitesini artıracağını belirtiyor.
İnsan sesi örneği. Ses: VALL-E
Dış gürültüyü koruyan oluşturulmuş kayıt. Ses: VALL-E
Araştırmacılar ayrıca olasılığınorijinal seslerin aynısı seslerin üretilmesi, dolandırıcılar tarafından istismar edilebileceği için yeni güvenlik sorunları yaratır. Modelin geniş çapta halka açıklanmasından önce, yapay zeka tarafından oluşturulan kayıtları tanıyacak bir sistemin geliştirilmesi gerektiğine inanıyorlar.
Daha fazla oku:
Roma betonunun dayanıklılığının sırrı ortaya çıkıyor: restore edilebilir
Genetikçiler, insanlarda gebe kalma yaşının 250.000 yılda nasıl değiştiğini belirlediler.
Güneş yılı en güçlü sınıfın parıltısıyla açtı