5play.org / Новости / Нейросеть освоила имитацию голоса человека после прослушивания трехсекундного семпла

Нейросеть освоила имитацию голоса человека после прослушивания трехсекундного семпла

655
Нейросеть освоила имитацию голоса человека после прослушивания трехсекундного семпла
Microsoft презентовала VALL-E – алгоритм на базе ИИ, способный сымитировать голос человека после прослушивания 3-секундной аудиозаписи. Пока что исходный код программы отсутствует в свободном доступе, но корпорация уже может похвастать десятком примеров работы алгоритма, дающих представление о качестве полученной речи.

Нейросеть освоила имитацию голоса человека после прослушивания трехсекундного семпла

Алгоритм принимает пример голоса и текст, и далее выдает озвучку


Сейчас в интернете можно найти большое количество программ, которые могут синтезировать речь человека, но как правило для обучения им понадобится прослушать несколько минут исходных аудиозаписей с голосом. На фоне таких программ VALL-E стоит особняком, поскольку этому алгоритму нужно прослушать лишь три секунды голоса и получить текст, который необходимо переделать в речь. Создатели также заявляют, что программа умеет имитировать даже те эмоциональный окрас голоса и тональность говорящего, которых не было слышно в исходном семпле.

VALL-E построен на базе нейросети, которую обучили на 60000 часов разговорной английской речи. В Microsoft не говорят, выпустят ли алгоритм в свободный доступ. Больше информации о функционировании алгоритма модно найти в исследовании Корнелльского университета. Образцы синтезированных голосов есть в GitHub.
Войдите на сайт или зарегистрируйтесь чтобы оставлять комментарии

Комментариев 0

Комментариев пока нет, но вы можете стать тем кто добавит самый первый комментарий!