В «Microsoft» разработали нейросеть, способную копировать голос любого человека
Узнав конкретный голос, «VALL-E» может синтезировать аудиозапись того, как человек говорит что-либо, стараясь сохранить его эмоциональный тон. Сама технология представляет из себя нейронную языковую модель, в основе которой лежит «EnCodec».
С его помощью «VALL-E» разделяет голоса человека на отдельные компоненты.
Эти компоненты, так называемые «лексемы», нейросеть сопоставляет с соответствующими голосами в своих обучающих данных для создания новых фраз за пределами первоначального трёхсекундного образца.
Помимо сохранения вокального тембра и эмоционального тона говорящего, «VALL-E» также может имитировать «акустическое окружение» сэмпла аудио. Например, если сэмпл взят из телефонного звонка, аудиовыход будет имитировать акустические и частотные свойства телефонного звонка в его синтезированном выходе.
14 ноября, 23:05
83
В ООН обсудят международный запрет на применение автономного оружия с искусственным интеллектом, способного самостоятельно выбирать и атаковать цели без участия человека
14 ноября, 21:23
78
"Потужнэ дай"! Истребители F-16 находящиеся на вооружении Украины нуждаются в ремонте, что затрудняет их использование
14 ноября, 18:51
119
Россия модернизировала баллистические ракеты "Искандер", которые теперь способны с точностью до нескольких метров поражать цели и менять траекторию на завершающем этапе полета
13 ноября, 13:56
65

