Am 6. März hat出门问问 (Mobvoi) gemeinsam mit führenden akademischen Einrichtungen wie der Hong Kong University of Science and Technology, der Shanghai Jiao Tong University, der Nanyang Technological University und der Northwestern Polytechnical University das neue Sprachgenerierungsmodell Spark-TTS Open Source veröffentlicht und gleichzeitig seine kommerzielle, hochwertige TTS-Engine TicVoice 7.0 vorgestellt. Als siebte TTS-Engine von出门问问 stellt TicVoice 7.0 einen bedeutenden Durchbruch im Bereich der Sprachgenerierung dar und eröffnet ein völlig neues Paradigma der Sprachsynthese.

Netflix hat mit seiner neuen True-Crime-Dokumentation "Mord in Amerika: Gabby Petito" einen breiten Aufschrei ausgelöst, da darin die Stimme der verstorbenen Social-Media-Influencerin Gabby Petito mithilfe von KI rekonstruiert wurde. Petito wurde im August 2021 von ihrem Verlobten Brian Laundrie ermordet, was bei der Öffentlichkeit große Trauer auslöste. Zu Beginn des Films wird darauf hingewiesen, dass Petito's Tagebucheinträge und SMS mittels Sprachrekonstruktion in ihrer Stimme wiedergegeben werden. Bildquelle: KI-generiertes Bild, Bildlizenzanbieter Midjourney

HYBEs KI-Sprachfirma Supertone hat kürzlich das Text-to-Speech-Tool „Supertone Play“ vorgestellt, mit dem hochwertige, ausdrucksstarke Audioinhalte erstellt werden können. Das neue Tool unterstützt derzeit Englisch, Koreanisch und Japanisch und soll noch in diesem Jahr um Spanisch und Chinesisch erweitert werden. Supertone Play bietet 150 verschiedene Sprachrollen für vielfältige Content-Erstellungsanforderungen, darunter natürliche Dialoge, professionelle Nachrichtensprecher und Hörbücher.

ZyphraAI hat kürzlich sein neuestes mehrsprachiges Text-to-Speech (TTS)-Modell **Zonos-TTS** veröffentlicht, das unter der **Apache2.0-Lizenz** steht, vollständig Open Source ist und kommerziell genutzt werden kann. Zonos-TTS unterstützt nicht nur die Echtzeit-Sprachklonierung, sondern wurde auch mit 200.000 Stunden englischer Sprachdaten trainiert und bietet eine herausragende Leistung. Zonos-TTS bietet zwei Bereitstellungsmethoden: lokale Bereitstellung und einen praktischen API-Dienst. Für normale Benutzer bietet Zyphr...

Das KI-Sprachtechnologieunternehmen ElevenLabs steht erneut im Rampenlicht. Das Unternehmen hat soeben eine C-Finanzierungsrunde in Höhe von 250 Millionen US-Dollar abgeschlossen und erreicht damit eine Bewertung zwischen 3 und 3,3 Milliarden US-Dollar. Die Finanzierungsrunde wurde von ICONIQ Growth angeführt und zeigt das starke Vertrauen des Marktes in die KI-Sprachtechnologie. Erst vor einem Jahr schloss ElevenLabs eine B-Finanzierungsrunde über 80 Millionen US-Dollar ab, bei der die Bewertung nur ein Drittel des heutigen Wertes betrug. Dies zeigt das rasante Wachstum des Unternehmens. ElevenLabs wurde von Mat...

Im Vorfeld der Preisverleihungssaison entfacht der Einsatz von Künstlicher Intelligenz (KI) in der Filmproduktion eine hitzige Debatte. Mindestens zwei diesjährige Oscar-Anwärter nutzten offenbar Sprachklontechnologie, um die Leistung von Schauspielern zu verbessern – und lassen damit die Zukunft der KI im Filmgeschäft spekulativ erscheinen. Im Gespräch mit Red Shark News verriet der Cutter von Brutalist, Davide Iancò, dass er ein KI-Tool des ukrainischen Unternehmens Respeecher eingesetzt habe, um die ungarischen Dialoge im Film natürlicher klingen zu lassen.

Nachdem SeaShell AI Ende 2024 die Funktion der KI-Sprachklonung für die internationale Version eingeführt hat, hat Hailuo AI kürzlich das neue Sprachmodell T2A-01-HD veröffentlicht. Das neue Sprachmodell T2A-01-HD unterstützt ebenfalls die Sprachklonung und kann emotionsreiche Sprache erzeugen. Laut offizieller Beschreibung wurde die Audioqualität im Vergleich zum vorherigen Audiomodell verbessert, und es bietet eine außergewöhnliche Klonpräzision. T2A-01-HD ist jedoch derzeit noch nicht Open Source. Benutzer können es jedoch kostenlos auf der Webseite zeitlich begrenzt nutzen. Besuchen Sie Hailuo AI

Kümmern Sie sich noch um die komplizierte Konfiguration der Umgebung für Open-Source-Digital-Human-Tools? AigcPanel ändert diese Situation grundlegend. Dieses umfassende KI-Digital-Human-System zeichnet sich durch seine einfache Bedienung aus und ermöglicht es allen Benutzern, es mühelos zu beherrschen. Mit nur einem Installationspaket sind alle Probleme gelöst. Verabschieden Sie sich von umständlichen Umgebungskonfigurationen. Laden Sie einfach das Modell herunter und schon kann es losgehen – wirklich "plug-and-play". Die Kernfunktion von AigcPanel liegt in seinen leistungsstarken Funktionen zur Videosynthese, Sprachsynthese und Sprachklonung. Benutzer können mühelos Videos mit Digital Humans generieren,...

Kingsoft Office gab heute bekannt, dass WPS AI allen Nutzern vom heutigen Tag bis zum 22. Januar nächsten Jahres einen Jahresendbonus bietet und vier Funktionen kostenlos freischaltet: KI-generierte PPT, KI-Stilklonung, KI-Filter und PPT-Vorlagen. Dies soll die Arbeitseffizienz steigern und Jahresendzusammenfassungs-PPTs kreativer gestalten. Die Funktion zur KI-generierten PPT ermöglicht es Nutzern, durch Importieren von Dokumenten schnell professionelle und ansprechende PPTs zu erstellen. Basierend auf der WPS-AI-Technologie kann diese Funktion die Logik, das Thema und die wichtigsten Inhalte des Dokuments präzise erkennen und den Inhaltsverzeichnis unverändert beibehalten.

Die chinesische KI-Sprachklontechnologie hat kürzlich einen bahnbrechenden Fortschritt erzielt. Das von der globalen Version von SeaShell AI eingeführte Audioklon-Modul kann mit nur 10 bis 60 Sekunden Audiobeispiel die Stimme des Benutzers perfekt reproduzieren. Die Audioklon-Ergebnisse der globalen Version von SeaShell AI haben viele Benutzer überrascht, da es im Bereich der chinesischen Sprachklonung zwar viele Produkte gibt, die Ergebnisse jedoch oft unbefriedigend waren. Die Audioklonfunktion von SeaShell AI ist sehr einfach zu bedienen und ermöglicht es Benutzern, mehrere Sprachmodelle zu erstellen. Benutzer müssen lediglich das Modul „Stimme“ aufrufen,

Hume AI, ein Startup, das sich auf emotional intelligente Sprachschnittstellen konzentriert, hat kürzlich eine experimentelle Funktion namens "Sprachsteuerung" vorgestellt. Dieses neue Tool soll Entwicklern und Nutzern die Erstellung personalisierter KI-Stimmen ermöglichen, ohne dass Programmierkenntnisse, KI-Prompt-Engineering oder Sounddesign-Fähigkeiten erforderlich sind. Benutzer können die Stimmeigenschaften präzise anpassen und so eine ihren Bedürfnissen entsprechende Stimme erstellen. Diese neue Funktion baut auf der zuvor eingeführten "Empathischen Sprachschnittstelle 2" (EVI2) auf, die die Natürlichkeit der Stimme verbessert.

Mit dem Fortschritt der künstlichen Intelligenz rückt die Technologie des Stimmenklonens immer mehr in den Fokus der Öffentlichkeit, gleichzeitig werden aber auch die damit verbundenen Risiken deutlich. In letzter Zeit wurden die Stimmen mehrerer prominenter Persönlichkeiten von Kriminellen missbräuchlich geklont und für Betrug eingesetzt. Mehrere Prominente, darunter der bekannte Naturdokumentarfilmer David Attenborough, äußerten ihre Besorgnis und forderten einen stärkeren gesetzlichen Schutz. Bildquelle: Bild wurde mit KI erstellt, Bildrechte liegen bei Midjourney. David Attenborough zeigte sich kürzlich besorgt, nachdem er feststellte, dass seine Stimme zur Verbreitung politischer Nachrichten missbraucht wurde.

ElevenLabs, ein Startup, das sich auf KI-Sprachklonierung und Text-to-Speech-APIs konzentriert, hat kürzlich eine neue Funktion angekündigt, mit der Benutzer vollständige konversationale KI-Avatare erstellen können. Benutzer können jetzt auf der Entwicklerplattform von ElevenLabs verschiedene Variablen ihres KI-Avatar nach ihren Wünschen anpassen, z. B. Sprachton und Antwortlänge. ElevenLabs bot bisher hauptsächlich verschiedene Stimmen und Text-to-Speech-Dienste an. Sam Sklar, Leiter für Unternehmensentwicklung bei ElevenLabs, sagte in einem Interview...

Laut dem KI-Social-Media-Account „Digital Life Kha'Zix“ hat der Weixin-öffentliche Account heimlich eine neue Funktion eingeführt – KI-Sprachklon, um das Lesevergnügen der Nutzer zu verbessern. Berichten zufolge ist dieses Update in der Version 2.29.1 des öffentlichen Accounts enthalten und ermöglicht es Nutzern, Artikel mit ihrer eigenen Stimme vorzulesen, wodurch die Personalisierung des Inhalts erheblich verbessert wird. Nutzer finden im Backend unter der Option „Lesestimme“ die Möglichkeit, eine eigene Stimme zu erstellen. Der Prozess der Stimmerzeugung ist relativ einfach: Der Nutzer liest einfach einen Text vor, und das System klont die Stimme schnell.

Oute AI hat kürzlich eine neuartige Text-to-Speech-Synthesemethode namens OuteTTS-0.1-350M veröffentlicht. Diese Methode nutzt reines Sprachmodellieren, benötigt keine externen Adapter oder komplexen Architekturen und bietet somit eine vereinfachte TTS-Methode. OuteTTS-0.1-350M basiert auf der LLaMa-Architektur und verwendet WavTokenizer zur direkten Generierung von Audio-Token, wodurch der Prozess effizienter wird. Das Modell verfügt über eine Zero-Shot-Sprachklonierungsfunktion und benötigt nur wenige Sekunden Referenzaudio.

Das beliebte KI-Charaktererstellungswerkzeug Hedra hat kürzlich eine aufregende neue Funktion angekündigt: Sprachklon! Nutzer können jetzt eine kurze Sprachprobe aufnehmen, um diese auf der Plattform zu klonen, zu speichern und auf alle erstellten oder hochgeladenen Charaktere anzuwenden. Dieses neue Tool ist jedoch nur für zahlende Abonnenten verfügbar, wobei die niedrigste Abonnementgebühr bei 10 US-Dollar pro Monat liegt. Hedra zeichnet sich durch seine einfache und intuitive Bedienung aus. Im Vergleich zu Runway und Kling...

Ein kürzlich bekannt gewordener Fall von AI-Sprachklon-Betrug hat große Besorgnis ausgelöst und die enormen Risiken dieser Technologie aufgezeigt. Der Vater des bekannten Verbraucherschutzanwalts Jay Schuster wäre fast Opfer dieses Hightech-Betrugs geworden. Betrüger ahmten Jays Stimme mithilfe von KI nach und gaben vor, er sei wegen Trunkenheit am Steuer verhaftet worden und benötige dringend 30.000 US-Dollar als 'Kaution'. Erschreckend ist, dass die Betrüger lediglich ein 15-sekündiges Fernsehinterview-Audio benötigten, um einen täuschend echten Sprachklon zu erstellen. Obwohl Jay seine Familie bereits vor solchen Betrugsversuchen gewarnt hatte, waren sie dennoch…

Im Zeitalter des rasanten Fortschritts der künstlichen Intelligenz entwickeln sich Sprachsynthese- und -konvertierungstechnologien ständig weiter und bieten uns ein unglaublich realistisch und natürlich klingendes Audioerlebnis. Dieser Fortschritt birgt jedoch auch potenzielle Sicherheitsrisiken, insbesondere die 'Sprachklonung'-Technologie, die von Kriminellen ausgenutzt werden könnte, um die Privatsphäre Einzelner und die soziale Stabilität zu gefährden. Um dieser Herausforderung zu begegnen, haben das Labor für intelligente Systemsicherheit der Zhejiang-Universität und die Tsinghua-Universität einen revolutionären Rahmen zur Erkennung von Audio-Fälschungen entwickelt – SafeEar. Dieser Rahmen kann nicht nur Fälschungen effizient erkennen, sondern auch während des Erkennungsprozesses die Privatsphäre schützen.

In Zeiten rasanten technologischen Fortschritts schreitet auch die Sprachsynthese voran, insbesondere im Bereich der Wiederherstellung verlorener Stimmen. Kürzlich haben Google-Forscher eine neue Technologie namens „Null-Schuss-Sprachübertragung (zero-shot voice transfer)“ vorgestellt. Diese Technologie kann direkt mit modernsten Text-to-Speech-(TTS)-Systemen kombiniert werden und hilft Menschen, die durch Krankheit oder Unfall ihre Stimme verloren haben, ihre „Stimmspeicher“ wiederzufinden. Das Kernstück dieser Technologie ist die „Null-Schuss“-Fähigkeit, was bedeutet, dass wir keine großen Datenmengen benötigen, um sie zu realisieren.