AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：OpenAI首次官宣語音項(xiàng)目，配音演員警報(bào)拉響
關(guān)鍵字：音頻,語音,聲音,美元,樣本
文章來源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：2730字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：陳萍文本輸入和一個(gè) 15 秒的音頻樣本就能生成與原始說話者非常相似的自然聲音。今天，OpenAI 在語音領(lǐng)域又帶給我們一點(diǎn)點(diǎn)震撼，通過文本輸入以及一段 15 秒的音頻示例，可以生成既自然又與原聲極為接近的語音。值得注意的是，即使是小模型，只需一個(gè) 15 秒的樣本，也能創(chuàng)造出富有情感且逼真的聲音。
OpenAI 將這個(gè)語音引擎命名為 Voice Engine，首次開發(fā)時(shí)間是 2022 年末，今天是 Voice Engine 預(yù)覽版的首次亮相。下面為該語音引擎的一些早期示例，例如可以幫助用戶翻譯視頻和播客等內(nèi)容，輸入一段原始音頻：
Voice Engine 可以翻譯成西班牙語：
還能翻譯成中文：
以及日語：
Voice Engine 為有語言障礙的人合成相似的聲音，使得用戶在每種口語中保持聲音一致：
輸入?yún)⒖家纛l：
生成的音頻（英語）：
生成的音頻（葡萄牙語）：
又比如，幫助患有突發(fā)性或退化性言語病癥的患者說話。
原始聲音：
參考聲音：
生成的音頻：
令人驚訝的是，Voice Engine 并未根據(jù)用戶數(shù)據(jù)進(jìn)行訓(xùn)練或微調(diào)，而是通過一個(gè)擴(kuò)散過程和 transformer

原文鏈接：OpenAI首次官宣語音項(xiàng)目，配音演員警報(bào)拉響

聯(lián)系作者

文章來源：機(jī)器之心
作者微信：almosthuman2014
作者簡介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)