Senaste

Microsoft nya AI kan simulera röster från vem som helst

VALL-E lär sig någons röst med ett ljudklipp på tre sekunder

Inte VALL-E

Foto: Pixar / Disney

Forskare på Microsoft har tagit fram en AI-röstsyntes för text-till-tal som baseras på en språkmodell som man gett namnet VALL-E.

Med hjälp av VALL-E uppger forskarna att man kan få röstsyntesen att simulera vilken röst som helst om AI:n får lyssna på ett tre sekunder långt ljudklipp av en röst. VALL-E bygger på Metas teknik EnCodec och har tränats upp i 60.000 timmar med LibriLight, ett röstbibliotek med röster från 7000 engelsktalande personer som även det är framtaget av Meta.

Hoppa vidare på länken nedan så kan du lyssna på lite exempel där VALL-E använts. I exemplen får du höra de tre sekunder från vilket VALL-E lärt sig rösten ("Speaker Prompt"), ett exempel där personen bakom rösten läser in texten som VALL-E ska generera ("Ground Truth"), ett exempel där traditionell röstsyntes används ("Baseline") samt VALL-E:s uppläsning av texten ("VALL-E").

Pryl, Artificiell intelligens, microsoft, artificiell intelligens, vall-e, röstsyntes, röstsimulering, text-till-tal, EnCodecVia arstechnica.com

Läs gärna våra regler!