Эта новая модель искусственного интеллекта для преобразования текста в речь понимает, что говорит, и как попробовать ее бесплатно
Я протестировал новую октавную модель Юма и был впечатлен результатами. Теперь вы тоже можете его попробовать.
Модели искусственного интеллекта для преобразования текста в речь — отличный инструмент для случаев, когда обычно используются актеры озвучивания, такие как аудиокниги, дубляж, рекламные ролики и многое другое. Однако, поскольку эти модели не являются людьми и не осознают, что они говорят, иногда они могут звучать заметно роботизированными. Новая модель искусственного интеллекта Хьюма направлена на решение этой проблемы.
Октава
В среду Хьюм запустил Octave, модель преобразования текста в речь (LLM) с контекстуальной осведомленностью. По словам компании, LLM может использовать это осознание для настройки своей мелодии, ритма и тембра речи в соответствии со словами, которые он читает, основываясь на их значении. Например, голос с поддержкой искусственного интеллекта может передавать чувство отвращения при чтении предложения.
Помимо понимания контекста текста, модель также может принимать указания. Пользователи могут указать ему быть «спокойным», «шепчущим», «отвратительным», «злым» и т. д. Юм говорит, что преимущество Octave перед актером озвучивания заключается в том, что он может взять на себя любой голос или даже придумать новый на основе описания пользователя.
Например, Юм говорит, что пользователь может предоставить подсказку как простую, как «мудрый волшебник», так и сложную, как сочетание различных акцентов, демографических групп, профессиональных ролей и многого другого. По сути, модель придумала бы голос только на основе сценария, но при появлении запроса она могла бы управляться сценарием и описанием.
Тестирование модели
Пользовательский интерфейс прост в навигации: одно текстовое поле для голоса, в котором вы можете точно описать, как вы хотите, чтобы звучал голос, и другое для сценария, в котором вы вводите то, что вы хотите, чтобы говорила модель. Для своего первого теста я использовал подробные готовые подсказки, чтобы увидеть, как это звучит.
После нажатия на кнопку "Generate" Octave сгенерировал три голосовых результата, и при первом прослушивании я был впечатлен. Хотя я не был уверен, что поколения улавливали звучание «девушки из долины», я был очень впечатлен интонациями и интонациями.
Для своего запроса я создал сценарий, в котором основной динамик задыхается от бега и спешит. Сценарий гласил: «Ура, я почти на финишной прямой. Я так устала, но собираюсь продолжать бороться, потому что я почти у цели. Увидимся! Пока».
Я был в равной степени доволен этими результатами. Октава в основном передавала то, что я хотел, размещая нужное количество волнения и пауз там, где можно было бы сделать вдох, если вы устали от бега. Однако, как и в предыдущем примере, голос был не совсем таким, как я описал. В данном случае динамик говорил не сверхбыстро.
В целом, кажется, что сила модели заключается в том, что она учитывает нюансы человеческой речи в своих выводах. Что часто выделяет голоса ИИ, так это их монотонность, из-за чего выходной звук звучит довольно скучно для прослушивания. С помощью Octave вы могли услышать эмоции читателя, будь то разочарование, поражение или усталость. Такие слова, как «тьфу», имеют точную длину и дыхание, которые использовал бы человек, создавая увлекательный опыт.
Как получить доступ
Существуют различные уровни доступа к модели, в том числе бесплатный с ограничением в 10 000 символов (около 10 минут) и неограниченное количество голосов персонажей, если вы хотите попробовать. Помимо бесплатного уровня, существует шесть дополнительных уровней, стоимость которых варьируется от $3 до $900 в месяц, в зависимости от потребностей доступа.
Например, начальный уровень стоит 3 доллара в месяц и включает в себя 30 000 символов (около 30 минут), в то время как бизнес-уровень стоит 900 долларов в месяц за 10 000 000 символов (около 10 000 минут). Существует также вариант Enterprise, который можно настроить в соответствии с вашими потребностями. Вы можете ознакомиться со всеми предложениями и начать работу на веб-сайте Hume.