Microsoft lance VALL-E, un outil de génération vocale IA capable d'imiter la parole humaine en seulement 3 secondes d'audio

News le 10 janvier, Microsoft a récemment publié un outil d'intelligence artificielle appelé VALL-E qui peut imiter la parole humaine en seulement 3 secondes d'audio.

L'outil est formé sur 60 000 heures de données vocales en anglais et utilise des extraits de 3 secondes de discours spécifiques pour générer du contenu. Contrairement à de nombreux outils d'IA actuels, VALL-E peut reproduire l'humeur et le ton d'un locuteur, même dans des mots que l'orateur lui-même n'a jamais prononcés.

IT House a appris qu'un article de l'Université Cornell a utilisé VALL-E pour synthétiser plusieurs sons. Vous pouvez écouter ces audios synthétisés par l'IA sur ​​GitHub​​.

Les chercheurs notent que dans de nombreux cas, Vall-E surpasse les modèles actuels de synthèse vocale. Cependant, l’étude indique également que les modèles d’IA rencontrent actuellement plusieurs problèmes. Par exemple, certains mots d'une invite de texte peuvent être mal prononcés, totalement absents ou apparaître deux fois dans le résultat. De plus, le modèle a actuellement du mal à imiter certaines voix, notamment celles avec des accents.

Comme d'autres nouvelles technologies d'IA, VALL-E a également soulevé des inquiétudes en termes de sécurité, d'éthique, etc. Microsoft a publié une déclaration éthique sur l'utilisation de VALL-E, mais son utilisation future n'est pas claire.

Actuellement, Microsoft Vall-E n'est pas encore open source. Microsoft a créé un ​​référentiel Vall-E​​ sur GitHub, mais il ne contient actuellement qu'un fichier de description.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!