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.
29 мая, 18:48
60

Мерц снова допустил передачу Украине Taurus, но отметил, что это не даст быстрого результата
29 мая, 17:57
56

Германия инвестирует 400 миллионов евро в закупку украинских «дальнобойных» ударных БПЛА
29 мая, 16:56
69

Китай прекратил продажу Украине БПЛА «Mavic», сохранив при этом их поставки в Россию
29 мая, 13:03
51
