ایلان ماسک مدعی شد: کارکردن در کل جهان به پایان می‌رسد اولین اطلاعات رسمی از گلکسی S26 سامسونگ منتشر شد چطور بفهمیم یک ویدیو یا عکس، واقعی است یا ساخته‌شده با هوش مصنوعی؟ + آموزش ساخت بزرگ‌ترین ابررایانه هوش مصنوعی باهمکاری انویدیا و اوراکل تأثیر ماه کامل بر کیفیت خواب انسان، واقعیت علمی یا باور عامیانه؟ ناتینگ فون 3a لایت رونمایی شد + مشخصات و قیمت آمریکایی‌ها می‌خواهند دسترسی نوجوانان به هوش مصنوعی را ممنوع کنند اپل از چندسال دیگر دکمه‌های آیفون را کاملا متحول می‌کند مسیر نو در مهندسی؛ آغاز تحول هوشمند در ساخت‌وساز مشهد فناوری eSIM به‌زودی به‌صورت گسترده در کشور اجرا می‌شود نوجوان ۱۲ ساله کانادایی با همکاری ناسا دو سیارک جدید کشف کرد موسیقی خطر زوال عقل را در سالمندان تا ۳۹ درصد کاهش می‌دهد تعرفه‌ بسته‌های اینترنت تغییر می‌کند؟ بحران وجودی مشق شب در عصر هوش مصنوعی آیا گراکی‌پدیای ایلان ماسک یک کپی از ویکی‌پدیاست یا یک ارتقای بزرگ؟ افشای جزئیاتی جدید از باتری و نمایشگر گوشی گلکسی زد فولد ۸ اولین ویدئو از گوشی تاشو سه‌تکه سامسونگ منتشر شد + فیلم راه‌اندازی نخستین آزمایشگاه ساعت اتمی کشور طی یک سال آینده آمار عجیب OpenAI از تعداد کاربرانی که با ChatGPT درباره خودکشی صحبت می‌کنند فرایند تأیید سن کاربران پلی استور در برخی مناطق آغاز شد پیام‌رسان ایتا از دسترس خارج شد (۵ آبان ۱۴۰۴)
سرخط خبرها

قابلیت‌های هوش مصنوعی Voicebox متا در تبدیل متن به صدا معرفی شد

  • کد خبر: ۱۶۹۷۳۲
  • ۲۷ خرداد ۱۴۰۲ - ۱۳:۲۹
قابلیت‌های هوش مصنوعی Voicebox متا در تبدیل متن به صدا معرفی شد
متا حالا از ابزار هوش مصنوعی مولد جدیدی به نام Voicebox رونمایی کرده است که می‌تواند کار‌های مختلفی نظیر تبدیل متن به صدا، کاهش نویز و ویرایش صدا را انجام دهد.

 به گزارش شهرآرانیوز - یکی از ویژگی‌های مهم هوش مصنوعی Voicebox دریافت نمونه صوتی از یک زبان و تبدیل آن به زبان‌های خارجی است. این ابزار می‌تواند درزمینه تبدیل متن به صدا همان کاری را انجام دهد که ChatGPT و DALL-E درزمینه تولید متن و تصویر انجام می‌دهند.

هوش مصنوعی Voicebox یک مبدل متن به صداست که متا از آن به‌عنوان «یک مدل هماهنگ‌ساز جریان به‌صورت غیرخودکاهنده برای تکمیل صدا براساس زمینه و متن» یاد می‌کند. این مدل روی بیش از ۵۰ هزار ساعت صدای فیتلرنشده تعلیم یافته و متا به‌طور خاص از صدای کتاب‌های صوتی به زبان‌های انگلیسی، فرانسوی، اسپانیایی، آلمانی، لهستانی و پرتغالی استفاده کرده است.

ازجمله قابلیت‌های مهم این هوش مصنوعی انتقال سبک گفتاری از یک زبان به زبان‌های خارجی دیگر است. برای استفاده از این قابلیت کافیست نمونه‌ای ۲ ثانیه‌ای از صدای خود را به‌همراه یک متن به زبان‌های انگلیسی، فرانسوی، اسپانیایی، آلمانی، لهستانی و پرتغالی به Voicebox دهید و از هوش مصنوعی بخواهید تا متن را با این زبان‌ها بخواند. این شرکت می‌گوید مدل آن‌ها عملاً می‌تواند هر متنی را از یک زبان به یک زبان دیگر ترجمه کند و شکل گفتاری زبان مقصد را حفظ کند.

قابلیت‌های مدل هوش مصنوعی متا Voicebox

هوش مصنوعی Voicebox می‌تواند متن را به صدا تبدیل کند و به زبان‌های خارجی حرف بزند

دامنه وسیع داده‌های ورودی به این سیستم کمک می‌کند تا صدا‌هایی بسازد که از نظر مکالمه‌ای طبیعی‌ترند. متا می‌گوید: «نتایج ما نشان می‌دهد مدل‌های تشخیص گفتاری که روی صدا‌های ساخته‌شده با Voicebox آموزش داده می‌شوند، تقریباً به‌خوبی مدل‌هایی عمل می‌کنند که با صدا‌های واقعی تعلیم داده شده باشند.» به‌علاوه، صدا‌هایی که توسط کامپیوتر تولید شدند، فقط با ۱ درصد خطای تنزل روبه‌رو بودند، درحالی‌که این نرخ برای سایر مدل‌های تبدیل متن به صدا (TTS) بین ۴۵ تا ۷۰ درصد است.

مدل هوش مصنوعی Voicebox می‌تواند صدا‌ها را ویرایش، نویز را از مکالمات حذف و حتی کلماتی را که اشتباه ادا شده باشند، تصحیح کند. محققان متا می‌گویند برای مثال کاربر می‌تواند تشخیص دهد که کدام بخش از فایل صوتی نویز دارد و بعد از هوش مصنوعی بخواهد تا آن بخش را دوباره تولید کند.

مدل Voicebox به‌لطف روش جدید تعلیم متا موسوم به «هماهنگ‌ساز جریان» (Flow Matching) نیازی به حجم بالایی از داده‌های ورودی ندارد. نتایج بنچمارک‌ها نشان می‌دهد که این هوش مصنوعی از نظر بروز خطا بسیار بهتر از بهترین سیستم‌های تبدیل متن به صدا عمل می‌کند (۱.۹ درصد در مقایسه با ۵.۹ درصد) و سرعت آن هم تا ۲۰ برابر سریع‌تر است.

بااین‌حال، مدل «ویس‌باکس» یا کد منبع آن در اختیار عموم قرار نمی‌گیرد. متا اذعان کرده است که با توجه به ریسک‌های احتمالی فعلاً قصدی برای عرضه عمومی این مدل ندارد. آن‌ها درحال‌حاضر صرفاً مقاله تحقیقاتی مقدماتی این مدل را منتشر کرده‌اند، اما امیدوارند که در آینده بتوانند از این فناوری برای کمک به افرادی که تار‌های صوتی‌شان دچار مشکل شده است، NPC‌های درون بازی‌ها و دستیار‌های صوتی استفاده کنند.

منبع: دیجیاتو

گزارش خطا
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
پربازدید
آخرین اخبار پربازدیدها چند رسانه ای عکس
{*Start Google Analytics Code*} <-- End Google Analytics Code -->