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.

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.

Ein Forschungsteam der University of Illinois at Urbana-Champaign, Sony AI und der Sony Group hat kürzlich MMAudio vorgestellt, eine neue Technologie zur hochwertigen Video-zu-Audio-Synthese durch multimodales Training. Die Kerninnovation von MMAudio liegt in der Fähigkeit, synchronisierte Audioausgabe aus Video- und Texteingaben zu generieren, wodurch die Anwendungsszenarien der Audiogenerierung erweitert werden. Es unterstützt die Eingabe von Videos oder Texten zur Erzeugung von Soundeffekten, die zum Videomaterial passen. Das Design von MMAudio ermöglicht...

Im Zeitalter des rasanten Fortschritts im Bereich der künstlichen Intelligenz treten KI-„Halluzinationen“ immer häufiger auf und bereiten vielen Unternehmen große Sorgen. Kundenservice-Chatbots beschreiben selbstbewusst nicht existierende Produkte, Finanz-KIs erfinden Marktdaten und medizinische Roboter geben gefährliche medizinische Ratschläge. Diese Probleme sind keine bloßen Kuriositäten mehr, sondern stellen eine erhebliche Gefahr für den Ruf und die Rentabilität von Unternehmen dar. Um dieser Herausforderung zu begegnen, hat das in San Francisco ansässige Startup Patronus AI die weltweit erste Self-Service-Plattform vorgestellt, die darauf abzielt, KI-Halluzinationen in Echtzeit zu erkennen und zu verhindern.

Das AI-Suchspiel wurde verbessert! Die TianGong AI-Suche hat eine neue Inhaltsform hinzugefügt – farbige Seiten, die eine Vielzahl von Inhalten aus den Bereichen Film, Finanzen, Technologie und Bücher umfassen. Benutzer können direkt auf der neuen TianGong-Startseite unter dem Suchfeld farbige Seiten durchsuchen und mehr über Branchentrends erfahren. Gleichzeitig können Benutzer auch ihre eigenen farbigen Seiten veröffentlichen, die Xiaohongshu ähneln. Nur dass TianGong mit KI ausgestattet ist, können Benutzer vorhandenen Text einfügen oder Materialien hochladen, um die KI bei der Gestaltung unterstützen zu lassen. Wenn ich beispielsweise vorhandenen Text einfüge und einen Textabschnitt eingebe: Nachdem ich auf "Farbige Seite generieren" klicke, wird es zuerst eine einfache...

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.

Amazon startet ein Projekt zum KI-Klonen von Sprechern, um die Hörbuchproduktion zu beschleunigen. Sprecher werden eingeladen, Aufnahmen zur Verfügung zu stellen, um ein KI-Modell zu trainieren, das ihre Stimme „klont“. Die Sprecher können die Teilnahme freiwillig wählen und zwischen der Aufnahme von Live-Performances oder KI-generierten Aufnahmen entscheiden. Hörbücher, die mit KI-geklonten Stimmen produziert wurden, werden im Produktdetail gekennzeichnet. Die Sprecher erhalten über ein Lizenzmodell Tantiemen. Die Nutzung der KI-Klone erfolgt nur mit Zustimmung des Sprechers. Nach einer Beta-Phase in den USA soll die Funktion auf Rechteinhaber ausgeweitet werden, um Sprechern mehr kreative Möglichkeiten zu bieten und den Hörbuchmarkt anzukurbeln.

D-ID hat kürzlich AI Video Translate vorgestellt, ein innovatives KI-Videoübersetzungswerkzeug, das Videoinhalte in verschiedene Sprachen übersetzen und dabei die Stimme des Sprechers klonen und die Lippenbewegungen anpassen kann, um eine perfekte Synchronisation zwischen Übersetzung und Bild zu gewährleisten. Das Werkzeug unterstützt die Batch-Rendering von 29 Sprachen und bietet eine benutzerfreundliche Oberfläche, die es jedem ermöglicht, es einfach zu verwenden. Mit dieser Technologie unterstützt D-ID Kunden bei der weltweiten Verbreitung von Marketing-, Unterhaltungs- und Social-Media-Kampagnen und spart Kosten bei der Lokalisierung. Die Einführung dieser Technologie ist ein bedeutender Schritt für kleine Unternehmen...

Patronus AI veröffentlicht Urheberrechtsprüfungstool; OpenAIs GPT-4 wird als schwerwiegendster Urheberrechtsverletzer genannt; Microsoft-Ingenieure weisen darauf hin, dass KI-Bildgenerierungswerkzeuge eine Gefahr für die Gesellschaft darstellen könnten.

Patronus AI veröffentlicht das SimpleSafetyTests-Testkit und deckt dabei kritische Sicherheitslücken in KI-Systemen wie ChatGPT auf. Die Tests umfassen fünf hochprioritäre Risikobereiche, darunter Selbstmord, Kindesmissbrauch und Körperverletzung, und zeigen schwerwiegende Schwachstellen in 11 LLMs auf. Sichere System-Prompts können unsichere Antworten reduzieren, doch die Ergebnisse deuten darauf hin, dass Produktionssysteme möglicherweise zusätzliche Sicherheitsmaßnahmen benötigen. Die Testergebnisse unterstreichen die Notwendigkeit strenger und maßgeschneiderter Sicherheitslösungen für LLMs, bevor diese in realen Anwendungen eingesetzt werden.

Der Bilibili UP-Nutzer „kleiner Käferbruder_“ veröffentlichte ein Genshin Impact Fan-Video mit einer Charakter-Imitation von Faruzan, wobei die Originalstimme erhalten blieb und über 1,36 Millionen Aufrufe erzielte. Der UP-Nutzer verwendete das VITS Sprachsynthesemodell, um Sprachmerkmale aus hochgeladenen Audiodaten zu extrahieren und die einzigartige Stimme der Genshin Impact Charaktere zu erhalten. Die KI-Sprachklontechnologie ist bereits weit verbreitet, wobei Tools wie HeyGen und AI Dubbing die Nutzung vereinfachen. Die Weiterentwicklung der KI-Technologie zieht die Aufmerksamkeit von Creatoren auf sich, wobei die Frage im Vordergrund steht, wie man in Bezug auf Inhalt und Form originelle Werke schaffen kann. Der Artikel beleuchtet die Funktionsweise des VITS-Modells.

Patronus AI ist ein in den USA ansässiges Startup-Unternehmen, das sich auf die Sicherheit und Governance von KI-Modellen konzentriert. Das Unternehmen hat soeben eine Serie-A-Finanzierungsrunde in Höhe von 3 Millionen US-Dollar abgeschlossen, angeführt von Lightspeed China. Patronus AI bietet Unternehmenskunden eine Plattform zur Bewertung, Überwachung und Verbesserung der Sicherheit von KI-Modellen. Das Unternehmen nutzt gegnerische generative Netzwerke, um Unternehmenskunden Sicherheitsbewertungen für KI-Modelle zu liefern. Patronus AI gab bekannt, dass es die Finanzmittel dieser Runde zur Beschleunigung der Produktentwicklung und zum Ausbau des Forschungsteams verwenden wird.