¡El campo de la voz de la inteligencia artificial ha experimentado un gran avance! Hume AI ha lanzado recientemente OCTAVE, un nuevo motor de texto a voz que puede generar o clonar voces y rasgos de personalidad realistas con solo una simple descripción de texto o una grabación de voz de 5 segundos, abriendo infinitas posibilidades para los personajes virtuales y la interacción humano-computadora.

La potencia de OCTAVE radica en su capacidad no solo para generar voz natural, sino también para imitar con precisión el sexo, la edad, el acento, el tono emocional y el estilo de habla específico de la profesión del hablante. Esto permite la creación de personajes virtuales altamente personalizados y una experiencia de interacción humano-computadora más realista.

Aún más impresionante es la capacidad de OCTAVE para generar voz en milisegundos, logrando una conversación en tiempo real, y permitiendo a los usuarios ajustar el contenido generado dinámicamente. Esto significa que los usuarios pueden tener conversaciones fluidas y naturales en tiempo real con personajes virtuales, cambiando su estilo de habla y contenido según sea necesario.

Según se informa, OCTAVE combina las ventajas de varios sistemas, incluyendo el modelo EVI2 de desarrollo propio de Hume AI, el motor de voz de OpenAI, el diseño de voz TTS de ElevenLabs y NotebookLM de Google Deepmind, lo que le proporciona un rendimiento excepcional en la generación y comprensión del habla.

OCTAVE también admite la generación de voz para múltiples personajes virtuales, cada uno con estilos de voz, emociones y acentos completamente diferentes, incluso pudiendo generar contenido completo de podcasts. Esto ofrece una gran comodidad a los creadores de contenido, permitiéndoles crear fácilmente contenido de audio diverso.

Además, OCTAVE puede generar una amplia gama de voces emocionales, incluyendo ira, entusiasmo, tristeza, calma, etc. Captura los sutiles cambios de voz y utiliza diferentes tonos emocionales para mejorar la sensación de interacción natural y expresar mejor las emociones complejas. Basándose en la comprensión del significado del texto, la voz generada por OCTAVE es comparable a la capacidad de comprensión del lenguaje de los modelos lingüísticos principales actuales (como la serie GPT), asegurando que el contenido de voz generado sea preciso y contextual.

Sitio web: https://www.hume.ai/blog/introducing-octave