El 6 de marzo, Mobvoi, en colaboración con instituciones académicas de renombre como la Universidad de Ciencia y Tecnología de Hong Kong, la Universidad Jiao Tong de Shanghai, la Universidad Tecnológica de Nanyang y la Universidad de Tecnología del Noroeste, lanzaron conjuntamente Spark-TTS, un modelo de generación de voz de nueva generación de código abierto, y presentaron su motor TTS de alta calidad comercial: TicVoice 7.0. Como séptima generación de motores TTS de Mobvoi, TicVoice 7.0 ha logrado un gran avance en el campo de la generación de voz, abriendo un nuevo paradigma en la generación de voz.

Recientemente, Supertone, la compañía de voz de inteligencia artificial de HYBE, anunció el lanzamiento de "Supertone Play", una herramienta de texto a voz diseñada para generar contenido de audio de alta calidad y expresivo. Esta nueva herramienta actualmente admite inglés, coreano y japonés, y se espera que se expanda a español y chino en el transcurso del año. Supertone Play ofrece 150 personajes de voz, adecuados para diversas necesidades de creación de contenido, incluyendo conversaciones naturales, noticias profesionales y audiolibros.

¿Sigue preocupado por la compleja configuración del entorno de las herramientas de avatar digital de código abierto? La aparición de AigcPanel cambiará por completo esta situación. Este sistema de avatar digital IA integral, con sus características fáciles de usar, permite a todos los usuarios dominarlo fácilmente. Con solo un paquete de instalación, puede resolver todos los problemas, despidiéndose de la compleja configuración del entorno; solo necesita descargar el modelo para comenzar a usarlo, lo que realmente logra "listo para usar". La función principal de AigcPanel radica en su potente capacidad de síntesis de video, síntesis de voz y clonación de voz. Los usuarios pueden generar fácilmente videos con avatares digitales

Recientemente, la tecnología de clonación de voz con IA en chino ha experimentado un avance revolucionario. El módulo de clonación de audio lanzado en la versión internacional de Hailei AI solo necesita una muestra de audio de 10 a 60 segundos para replicar perfectamente la voz del usuario. El efecto de clonación de audio de la versión internacional de Hailei AI ha sorprendido a muchos usuarios, ya que anteriormente, aunque existían muchos productos en el campo de la clonación de voz en chino, los resultados a menudo no eran satisfactorios. La función de clonación de audio de Hailei AI es muy sencilla y fácil de usar, permitiendo a los usuarios crear varios modelos de voz. Los usuarios solo tienen que acceder al módulo "voz"...

Hume AI, una startup centrada en interfaces de voz con inteligencia emocional, ha lanzado recientemente una función experimental llamada "Control por Voz". Esta nueva herramienta está diseñada para ayudar a desarrolladores y usuarios a crear voces de IA personalizadas sin necesidad de codificación, ingeniería de prompts de IA o habilidades de diseño de sonido. Los usuarios pueden personalizar fácilmente las características de la voz para ajustarse a sus necesidades mediante un ajuste preciso. Esta nueva función se basa en la "Interfaz de Voz Empática 2" (EVI2) lanzada anteriormente por la compañía, que mejoró la naturalidad del habla.

Recientemente, Oute AI ha lanzado un nuevo método de síntesis de texto a voz llamado OuteTTS-0.1-350M. Este método utiliza el modelado de lenguaje puro, sin adaptadores externos ni arquitecturas complejas, ofreciendo un método TTS simplificado. OuteTTS-0.1-350M se basa en la arquitectura LLaMa y utiliza WavTokenizer para generar directamente etiquetas de audio, lo que hace que el proceso sea más eficiente. Este modelo cuenta con la capacidad de clonación de voz de muestra cero, necesitando solo unos segundos de audio de referencia.

Recientemente, la popular herramienta de creación de personajes de IA, Hedra, anunció una emocionante nueva función: ¡la clonación de voz! Ahora, los usuarios solo necesitan grabar un pequeño fragmento de su propia voz para clonar, almacenar y aplicar a cualquier personaje que creen o suban a la plataforma. Sin embargo, esta nueva herramienta solo está disponible para usuarios de pago, con una suscripción mínima de $10 USD al mes. La facilidad de uso de Hedra es uno de sus puntos fuertes. En comparación con Runway y Kling, Hedra destaca en la...

Recientemente, un caso alarmante de estafa con clonación de voz por IA ha generado una gran preocupación, destacando los enormes riesgos que esta tecnología puede representar. El padre del reconocido abogado de protección al consumidor, Jay Shuster, estuvo a punto de convertirse en víctima de esta estafa de alta tecnología. Los estafadores utilizaron IA para imitar la voz de Jay, alegando que había sido arrestado por conducir ebrio y que necesitaba US$30,000 en 'fianza'. Lo sorprendente es que los estafadores solo necesitaron 15 segundos de audio de una entrevista televisiva para crear una clonación de voz casi perfecta. A pesar de que Jay había advertido previamente a su familia sobre este tipo de estafas, ellos aún...

En la era del rápido avance tecnológico, la tecnología de síntesis de voz también ha experimentado un gran progreso, especialmente en el campo de la restauración de voces perdidas. Recientemente, los investigadores de Google propusieron una nueva tecnología llamada "transferencia de voz de muestra cero (zero-shot voice transfer)" que se puede combinar directamente con los sistemas de texto a voz (TTS) más avanzados para ayudar a las personas que han perdido su voz debido a enfermedades o accidentes a recuperar sus "recuerdos de voz". El núcleo de esta tecnología radica en la capacidad de "muestra cero", lo que significa que no se necesitan grandes cantidades de muestras para su implementación.

James Earl Jones, actor legendario, conocido por su voz inconfundible y una brillante carrera de más de sesenta años. Su interpretación de Mufasa en 'El Rey León' y Darth Vader en la saga de 'Star Wars' son icónicas. Jones, ganador de dos premios Tony por 'A Moon for the Misbegotten' y 'Fences', vio su voz replicada mediante IA para recrear sus papeles clásicos, lo que ha generado un debate en la industria sobre el uso de la IA y los derechos de los actores de voz. Esta decisión contribuyó a la huelga de actores de SAG-AFTRA, preocupados por la posibilidad de que la IA reemplace sus trabajos. Jones

D-ID ha lanzado recientemente AI Video Translate, una innovadora herramienta de traducción de video con IA que traduce el contenido de video a múltiples idiomas, clona la voz del narrador y ajusta la sincronización labial para garantizar una perfecta coincidencia entre la traducción y las imágenes. Esta herramienta admite la renderización masiva de 29 idiomas y cuenta con una interfaz fácil de usar, lo que la hace accesible para cualquier persona. Con esta tecnología, D-ID ayuda a sus clientes a promocionar sus campañas de marketing, entretenimiento y redes sociales a nivel mundial, ahorrando costes de localización. El lanzamiento de esta tecnología supone un gran avance para las pequeñas empresas...

Microsoft ha lanzado recientemente VALL-E 2, un modelo de texto a voz (TTS) de aprendizaje cero-shot, que ha generado un gran debate en el sector tecnológico y se considera un hito en el campo de la TTS. La innovación de VALL-E 2 radica en su capacidad de aprendizaje cero-shot; con solo un breve fragmento de una voz desconocida, puede imitar esa voz para decir cualquier texto, logrando una asombrosa imitación instantánea y agrupación de codificadores. También ha mejorado el muestreo perceptivo repetitivo, aumentando la estabilidad de la decodificación y simplificando las necesidades de datos. En las pruebas de puntuación subjetiva e indicadores objetivos, VALL-E 2 ha superado a los modelos anteriores.

A partir del 20 de junio, la plataforma de avatares digitales Baidu Intelligent Cloud Xiling se someterá a una importante actualización. Esta actualización no solo permite la generación eficiente y de bajo coste de avatares digitales 2D/3D de alta calidad, sino que también logra una integración matricial en múltiples escenarios como transmisiones en vivo, vídeos cortos y conversaciones, mejorando en gran medida la experiencia del usuario. Ya sea para la creación de IP corporativas, el diseño de IP de turismo cultural o el desarrollo de IP de entretenimiento, la plataforma Xiling puede proporcionar servicios de avatares digitales inteligentes, convenientes y fáciles de usar.

Investigadores de IBM han descubierto un método relativamente sencillo para secuestrar llamadas de voz utilizando herramientas de IA generativa. Este hallazgo genera preocupación para las organizaciones, como las instituciones financieras, que dependen de la verificación de identidad telefónica. Esto representará un problema para los chatbots, ya que siguen dependiendo de las llamadas telefónicas para la autenticación. Con herramientas de IA de bajo coste, los estafadores pueden fácilmente imitar la voz de otra persona para robar fondos y otra información sensible. El secuestro de audio es una nueva amenaza, donde los actores maliciosos pueden manipular llamadas en curso utilizando la clonación de voz a escala.

La herramienta de clonación de voz de código abierto OpenVoice, desarrollada en colaboración entre MIT, la Universidad Tsinghua y la startup de IA canadiense MyShell, está atrayendo la atención. OpenVoice utiliza un método simple y eficiente que clona la voz del usuario casi instantáneamente, reduciendo significativamente el consumo de recursos de cálculo. Su potente funcionalidad ofrece opciones de control detalladas, incluyendo tono, emoción, ritmo y pausas, para generar clones de voz con un estilo personalizado. El plan de MyShell para su modelo de negocio consiste en ofrecer suscripciones mensuales a través de una aplicación web y la promoción a través de creadores de robots de terceros.

La nueva tecnología de Microsoft, Personal Voice, genera en un minuto una voz de IA idéntica a la del usuario. Ofrece compatibilidad con 100 idiomas, incluyendo chino, español y alemán. Se puede aplicar ampliamente en asistentes de voz, videojuegos, entretenimiento y medios de comunicación. En colaboración con Haier, integra voces personalizadas en altavoces inteligentes y electrodomésticos. Antes de su lanzamiento, se comprometió a un uso responsable, ofreciendo un registro limitado e incluyendo marcas de agua para garantizar el cumplimiento y la transparencia.

La Asociación de la Industria Discográfica de Estados Unidos (RIAA) pide al gobierno que incluya la clonación de voz con IA en la lista de vigilancia de piratería, mostrando preocupación por la violación de derechos de autor. Sitios web como Voicify.AI son acusados de fomentar el uso no autorizado de voces de celebridades para la clonación, violando los derechos de autor y los derechos de imagen. La clonación de voz con IA ha recibido mucha atención en el último año, lo que ha provocado un debate sobre su estatus legal en materia de derechos de autor. Si bien existe preocupación por la violación de los derechos de imagen por parte de la IA, el tratamiento legal sigue siendo incierto.

La Asociación de la Industria Discográfica de Estados Unidos (RIAA) solicita que se incluyan los sitios web de clonación de voz con IA en la lista negra de vigilancia de piratería del gobierno. La RIAA señala específicamente al sitio web de clonación de voz con IA Voicify.AI por infringir los derechos de publicidad de los artistas. La RIAA aboga por la regulación de los sitios web de clonación de voz con IA para frenar el aumento de obras derivadas no autorizadas.