1月3日 消息:MyShell最新推出的開源語音克隆工具OpenVoice引起了廣泛關(guān)注。這一創(chuàng)新產(chǎn)品由麻省理工學(xué)院(MIT)、清華大學(xué)以及加拿大人工智能初創(chuàng)公司MyShell合作開發(fā)。OpenVoice采用了一種概念簡單但高效的方法,可幾乎即時克隆用戶的語音,并使用明顯更少的計算資源。
該工具不僅具備語音克隆的基本功能,而且提供了細(xì)致入微的控制選項,涵蓋語調(diào)、情感、節(jié)奏、停頓和語調(diào)等多個方面。這意味著用戶可以通過OpenVoice生成具有個性化風(fēng)格的語音克隆,而無需花費大量時間和計算資源。
在作者的非科學(xué)性測試中,使用OpenVoice在HuggingFace平臺上生成了一個相對令人信服的語音克隆,僅需幾秒鐘的隨機(jī)語音即可完成。與其他語音克隆應(yīng)用不同的是,用戶無需朗讀特定文本片段,只需隨意說幾秒鐘的話,即可立即生成可播放的語音克隆,讀取提供的文本提示。
OpenVoice的背后是兩個主要的AI模型:文本到語音(TTS)模型和“音調(diào)轉(zhuǎn)換器”模型。TTS模型控制“風(fēng)格參數(shù)和語言”,并且通過來自兩名英語演講者(美國和英國口音)、一名中文演講者和一名日本演講者的30,000個句子的音頻樣本進(jìn)行訓(xùn)練。與此同時,音調(diào)轉(zhuǎn)換器模型則通過來自20,000多名不同演講者的300,000個音頻樣本進(jìn)行訓(xùn)練。
通過將用戶提供的錄音音頻的音調(diào)與TTS模型的“基礎(chǔ)發(fā)聲者”結(jié)合起來,這兩個模型共同可以復(fù)制用戶的語音,并改變其“音調(diào)顏色”或文本所表達(dá)的情感表達(dá)。與其他方法相比,OpenVoice的方法在克隆語音時大大減少了計算資源的使用,包括Meta的競爭對手Voicebox。
MyShell,作為OpenVoice的推動者,成立于2023年,總部位于加拿大艾伯塔省的卡爾加里,通過由INCE Capital主導(dǎo)的560萬美元種子輪融資以及Folius Ventures、Hashkey Capital、SevenX Ventures、TSVC和OP Crypto的額外投資,已經(jīng)吸引了超過400,000名用戶。該初創(chuàng)公司通過其Web應(yīng)用提供各種基于文本的AI角色和機(jī)器人,包括一些帶有不同“個性”的角色,還提供動態(tài)GIF制作工具和用戶生成的基于文本的角色扮演游戲。
盡管MyShell將OpenVoice開源,但該公司仍通過其Web應(yīng)用的月度訂閱、希望在應(yīng)用程序內(nèi)推廣其產(chǎn)品的第三方機(jī)器人創(chuàng)建者費用以及人工智能培訓(xùn)數(shù)據(jù)費用等多方面賺取收入。這種商業(yè)模式旨在為MyShell提供可持續(xù)的經(jīng)濟(jì)基礎(chǔ),從而在開源和商業(yè)利益之間找到平衡。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。