Lei Jun, dirigeant de Xiaomi, a répondu aux critiques concernant l'utilisation de l'IA pendant la fête nationale. Il a proposé un renforcement de la législation sur les technologies de synthèse vocale et de remplacement de visage par IA pour lutter contre les abus et les fake news.

Dubformer, une startup spécialisée dans l'IA, a annoncé avoir levé 3,6 millions de dollars pour développer sa technologie de pointe de transmission des émotions dans le doublage. Cette innovation révolutionne le secteur du doublage AI en offrant des voix plus naturelles et expressives.

Lei Jun souligne que les terminaux d'intelligence artificielle, en tant que plateformes importantes pour la mise en œuvre de la technologie de l'IA, ne cessent d'élargir leur champ d'application, passant des smartphones, des voitures intelligentes et des appareils portables aux maisons intelligentes et aux robots. Cette tendance injecte non seulement une nouvelle vitalité au marché de la consommation, mais fournit également une impulsion essentielle à la modernisation et à l'amélioration intelligente de la chaîne industrielle. Cependant, au stade initial du développement rapide des terminaux d'intelligence artificielle, il est nécessaire de surmonter les goulots d'étranglement technologiques essentiels, de construire un écosystème d'innovation collaborative afin de promouvoir la normalisation, la coopération, l'innovation et le développement de haute qualité de l'industrie.

MiniMax, filiale de Shanghai Xiyu Technology Co., Ltd., a annoncé le lancement mondial simultané de sa nouvelle gamme de modèles vocaux T2A-01 améliorés et du produit Holo. La gamme T2A-01 comprend deux modèles : T2A-01-HD et T2A-01-Turbo, tous deux disponibles via l'API sur la plateforme ouverte MiniMax. Les entreprises peuvent choisir le modèle qui correspond le mieux à leurs besoins en termes de qualité audio et de vitesse de génération.

Vous êtes encore ennuyé par la configuration complexe de l'environnement des outils de personnages numériques open source ? L'arrivée d'AigcPanel va changer radicalement la donne. Ce système de personnage numérique IA tout-en-un, grâce à sa simplicité d'utilisation, permet à tous les utilisateurs de le maîtriser facilement. Un seul paquet d'installation suffit à résoudre tous les problèmes, en vous affranchissant de la configuration fastidieuse de l'environnement. Il vous suffit de télécharger le modèle pour commencer à l'utiliser, ce qui permet une véritable utilisation « prête à l'emploi ». La fonction principale d'AigcPanel réside dans ses puissantes capacités de synthèse vidéo, de synthèse vocale et de clonage vocal. Les utilisateurs peuvent facilement générer des vidéos avec des personnages numériques

Jieyue Xingchen a récemment annoncé le lancement de Step-1o, un nouveau modèle de synthèse vocale direct appartenant à la matrice de modèles Step. Il s'agit du premier modèle linguistique géant de synthèse vocale direct de 100 milliards de paramètres en Chine. Ce nouveau modèle marque une avancée majeure dans le domaine de la technologie vocale. Grâce à une solution vocale directe, il permet une intégration de la compréhension et de la génération de la parole, améliorant ainsi le QI et le QE du modèle et offrant une expérience de communication de haute qualité et hyperréaliste.

Oute AI a récemment publié une nouvelle méthode de synthèse vocale texte-à-parole appelée OuteTTS-0.1-350M. Cette méthode utilise la modélisation linguistique pure, sans adaptateur externe ni architecture complexe, offrant ainsi une méthode TTS simplifiée. OuteTTS-0.1-350M est basé sur l'architecture LLaMa et utilise WavTokenizer pour générer directement des jetons audio, rendant le processus plus efficace. Ce modèle possède une fonctionnalité de clonage vocal zéro-shot, nécessitant seulement quelques secondes d'audio de référence.

Smallest.ai, une start-up californienne spécialisée dans l'IA, a récemment lancé Lightning, un modèle de synthèse vocale (TTS) capable de générer jusqu'à 10 secondes d'audio en seulement 100 millisecondes. Cette avancée technologique permet aux développeurs du monde entier de créer des applications de robots vocaux hautement réalistes avec une latence extrêmement faible, réduisant ainsi les coûts de mise en œuvre et améliorant l'accessibilité des applications. Lightning prend actuellement en charge plusieurs accents anglais et hindi, et l'équipe prévoit d'ajouter rapidement d'autres langues.

Récemment, 26 seiyū japonais de renom, dont Ryōsei Nakao, Kōichi Yamadera, Hiroki Kaji, Jun Fukuyama et Daisuke Namikawa, ont formé un groupe appelé « No More Mudan Seisei AI » pour protester contre l'utilisation non autorisée de voix générées par l'IA. Ce groupe a publié une vidéo dans laquelle Ryōsei Nakao exprime sa surprise que sa voix ait été vendue sans son autorisation et appelle à écouter le point de vue des acteurs vocaux sur l'utilisation non autorisée de l'intelligence artificielle générative. Par la suite, 25 autres seiyū se sont joints à l'appel. De plus, des agences de talents...

Dans le contexte de l'évolution rapide de la technologie, la synthèse vocale progresse également, en particulier dans le domaine de la restauration des voix perdues. Récemment, des chercheurs de Google ont présenté une nouvelle technologie appelée « conversion vocale zéro coup », qui peut être directement combinée avec les systèmes de synthèse vocale texte (TTS) les plus avancés pour aider les personnes ayant perdu leur voix en raison de maladies ou d'accidents à retrouver leur « mémoire vocale ». Le cœur de cette technologie réside dans sa capacité « zéro coup », ce qui signifie que nous n'avons pas besoin d'un grand nombre d'échantillons pour la mettre en œuvre.

Lors de la tournée d'innovation IA 2024 de Volcano Engine aujourd'hui, en plus d'un modèle de génération vidéo, ByteDance a également lancé les modèles Doubao : Musique et Doubao : Traduction simultanée, et a annoncé des améliorations significatives pour les modèles verticaux tels que le modèle généraliste Doubao Pro, le modèle texte-image et le modèle de synthèse vocale. Le lancement du modèle Doubao : Musique marque une implication profonde de Volcano Engine dans la création musicale. Ce modèle, grâce à des algorithmes puissants, permet une création musicale libre de haute qualité. Pour la génération de paroles, il suffit de quelques mots pour générer rapidement des émotions.

Geely Auto a récemment réalisé une percée majeure dans le domaine de la synthèse vocale. Son grand modèle HAM-TTS, développé en interne, a surpassé les références du secteur telles que VALL-E, suscitant un vif intérêt de l'industrie. Ce grand modèle d'IA, appelé "Xing Rui", a permis des améliorations significatives en termes de précision de la prononciation, de naturel et de similarité avec la voix du locuteur. Le modèle HAM-TTS utilise une technique de modélisation acoustique hiérarchique basée sur les jetons et la conversion texte-parole à zéro échantillon, améliorant considérablement l'expérience utilisateur dans l'habitacle intelligent. Avec les mêmes 400 millions de paramètres, HAM-TTS

Lors de la cérémonie d'ouverture de la conférence Cloud Computing 2024, Giant Network a fait ses débuts et présenté ses dernières avancées dans le domaine « jeux + IA ». La société a lancé deux applications de grands modèles auto-développés : GiantGPT et BaiLing-TTS, tout en présentant de nouvelles technologies telles que les avatars numériques IA et la plateforme de création d'images IA Giant Mogjing.

Les méthodes d'escroquerie téléphonique ne cessent de se sophistiquer, menaçant la sécurité des biens du public. Les principaux types incluent : les escroqueries de type « partage d'écran », qui consistent à inciter les victimes à activer la fonction de partage d'écran pour obtenir des informations bancaires personnelles et les voler ; les escroqueries utilisant l'« IA pour le changement de visage et la synthèse vocale », qui consistent à utiliser la technologie pour créer de faux audios et vidéos afin de gagner la confiance des victimes et les inciter à effectuer des virements ou à fournir des informations sensibles ; les escroqueries liées aux faux investissements et placements en ligne, qui utilisent de faux rendements élevés comme appât pour inciter les victimes à investir et ensuite détourner leurs fonds ; les escroqueries liées aux fausses transactions de jeux en ligne, qui consistent à utiliser de fausses informations de transaction pour inciter les joueurs à effectuer des transactions hors ligne et les escroquer. Prévention

La start-up spécialisée dans la synthèse vocale par IA, ElevenLabs, a bouclé un tour de table de série B de 80 millions de dollars. Ce financement est mené par Andreessen Horowitz et Nat Friedman. Les fonds serviront au développement de produits, à l'extension des infrastructures et des équipes, à la recherche en IA et au renforcement des mesures de sécurité. ElevenLabs est désormais valorisée à plus d'un milliard de dollars.

Un YouTuber Bilibili, « Petit Insecte_ », a publié une vidéo de création secondaire de Genshin Impact, imitant la voix de Faruzan tout en conservant la voix originale. La vidéo a cumulé plus de 1,36 million de vues. L'auteur a utilisé le modèle de synthèse vocale VITS, en téléchargeant du texte vocal pour extraire les caractéristiques linguistiques et en préservant le timbre unique des personnages de Genshin Impact. La technologie de clonage vocal par IA est désormais largement répandue, et des outils comme HeyGen et AI Dubbing ont abaissé le seuil d'utilisation. L'évolution de la technologie de l'IA attire l'attention des créateurs, et la question de savoir comment créer des œuvres originales sur le plan du contenu et de la forme devient cruciale. Cet article explore les principes du modèle VITS.