(資料圖片)
今天，Meta 宣布了其最新的生成式 AI 模型，繼ImageBind之后是 Voicebox，該模型旨在幫助創(chuàng)作者執(zhí)行語音生成任務，例如音頻編輯、采樣和風格化，即使它不是專門的。通過情境學習接受訓練來做到這一點。
Meta 宣稱，這種新的人工智能模型將為世界各地的許多人帶來好處，并舉例說明，例如幫助視障人士用自己的聲音聽到朋友發(fā)出的書面信息，以及允許人們用自己的聲音說外語。
人工智能模型本身可以生成高質(zhì)量的音頻剪輯，并編輯預先錄制的音頻以消除汽車喇叭等不必要的干擾，同時保留音頻的內(nèi)容和風格，同時支持多種語言，以六種語言生成語音。該模型的未來發(fā)展包括在元宇宙中的游戲過程中為視覺助手或非玩家角色提供自然的聲音。
Meta 還將 Voicebox 與其他音頻 AI 模型進行了比較，特別將 Vall-E 和 YourTTS 列為競爭對手，表明 Voicebox 更先進，并且在比較單詞錯誤率和風格相似度時優(yōu)于這兩種模型。
關(guān)鍵詞：
質(zhì)檢
推薦
