Le 6 mars, Mobvoi, en collaboration avec des institutions académiques de pointe telles que l'Université de Hong Kong, l'Université Jiao Tong de Shanghai, l'Université technologique de Nanyang et l'Université des sciences et technologies de Xi'an, a publié en open source le modèle de génération vocale nouvelle génération Spark-TTS et lancé son moteur TTS commercial haute qualité : TicVoice 7.0. En tant que septième génération de moteur TTS de Mobvoi, TicVoice 7.0 a réalisé une percée majeure dans le domaine de la génération vocale, ouvrant une nouvelle ère pour la génération vocale.

Supertone, la société d'intelligence artificielle vocale de HYBE, a récemment lancé Supertone Play, un outil de synthèse vocale conçu pour générer un contenu audio de haute qualité et expressif. Actuellement disponible en anglais, coréen et japonais, l'outil devrait prendre en charge l'espagnol et le chinois dans le courant de l'année. Supertone Play offre 150 voix différentes, adaptées à divers besoins de création de contenu, notamment les dialogues naturels, les journaux télévisés professionnels et les livres audio.

ZyphraAI a récemment publié son dernier modèle de synthèse vocale (TTS) multilingue, **Zonos-TTS**, sous licence **Apache2.0**, entièrement open source et utilisable commercialement. Zonos-TTS prend non seulement en charge le clonage vocal en temps réel, mais a également été entraîné sur 200 000 heures de données vocales en anglais, démontrant ainsi des performances exceptionnelles. Zonos-TTS offre deux modes de déploiement : un déploiement local et un service API pratique. Pour les utilisateurs ordinaires, Zyphr...

Alors que la saison des récompenses approche, l’utilisation de l’intelligence artificielle (IA) dans la production cinématographique suscite un débat houleux. Au moins deux films en lice cette année ont été révélés avoir utilisé la technologie de clonage vocal pour améliorer les performances des acteurs, alimentant les spéculations sur l’avenir de l’IA dans l’industrie du cinéma. Dans une interview accordée à Red Shark News, David Yángö, monteur du film Brutalist, a révélé avoir utilisé un outil d’IA développé par la société ukrainienne Respeecher pour rendre les dialogues hongrois plus naturels dans le film.

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

Récemment, la technologie chinoise de clonage vocal IA a connu une avancée majeure. Le module de clonage audio lancé par la version internationale d'Haier AI permet de reproduire parfaitement la voix d'un utilisateur à partir d'un échantillon audio de 10 à 60 secondes seulement. Les résultats du clonage audio de la version internationale d'Haier AI ont surpris de nombreux utilisateurs, car dans le domaine du clonage vocal chinois, bien que de nombreux produits soient disponibles, les résultats étaient souvent décevants. La fonction de clonage audio d'Haier AI est très simple d'utilisation et permet de créer plusieurs modèles vocaux. Il suffit aux utilisateurs d'accéder au module « voix ».

Hume AI, une start-up spécialisée dans les interfaces vocales à intelligence émotionnelle, a récemment lancé une fonctionnalité expérimentale appelée « contrôle vocal ». Ce nouvel outil vise à aider les développeurs et les utilisateurs à créer des voix IA personnalisées sans aucune compétence en codage, en ingénierie d'invite IA ou en conception sonore. Les utilisateurs peuvent facilement personnaliser une voix répondant à leurs besoins en ajustant précisément les caractéristiques de la voix. Cette nouvelle fonctionnalité s'appuie sur l'« interface vocale empathique 2 » (EVI2) lancée précédemment par la société, qui améliore le naturel de la voix.

Selon le média social IA « Digital Life Kha'Zix », WeChat Public Account a discrètement lancé une nouvelle fonctionnalité : le clonage vocal IA, visant à améliorer l'expérience de lecture des utilisateurs. Cette mise à jour, apparemment intégrée à la version 2.29.1 de WeChat Public Account, permet aux utilisateurs de lire des articles avec leur propre voix, améliorant considérablement la personnalisation du contenu. Dans les paramètres d'administration, les utilisateurs peuvent trouver l'option « tonalité de lecture » pour créer une tonalité personnalisée. Le processus de création de la tonalité est relativement simple : les utilisateurs lisent simplement un texte à haute voix, et le système clone rapidement la tonalité.

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.

Hedra, l'outil de création de personnages IA populaire, a récemment annoncé une nouvelle fonctionnalité passionnante : le clonage vocal ! Désormais, les utilisateurs peuvent enregistrer un court extrait de leur voix pour la cloner, la stocker et l'appliquer à n'importe quel personnage créé ou importé sur la plateforme. Cependant, ce nouvel outil est réservé aux utilisateurs payants, avec un abonnement minimum de 10 $ par mois. La simplicité d'utilisation est un atout majeur de Hedra. Comparé à Runway et Kling, Hedra se distingue par sa...

Récemment, une affaire d'escroquerie par clonage vocal IA particulièrement inquiétante a suscité une attention considérable, soulignant les risques importants que cette technologie peut présenter. Le père de Jay Shuster, avocat renommé spécialisé dans la protection des consommateurs, a failli devenir victime de cette escroquerie de haute technologie. Les escrocs ont utilisé l'IA pour imiter la voix de Jay, prétendant qu'il avait été arrêté pour conduite en état d'ivresse et qu'il avait besoin de 30 000 $ de « caution ». Ce qui est choquant, c'est que les escrocs n'ont eu besoin que de 15 secondes d'une interview télévisée pour créer un clonage vocal extrêmement réaliste. Bien que Jay ait déjà averti sa famille de se méfier de ce type d'escroquerie, ils sont malgré tout...

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.

D-ID a récemment lancé AI Video Translate, un outil innovant de traduction vidéo IA capable de traduire le contenu vidéo dans de multiples langues, de cloner la voix du narrateur et d'ajuster la synchronisation labiale pour assurer une parfaite adéquation entre la traduction et les images. Cet outil prend en charge le rendu par lots de 29 langues et possède une interface conviviale, permettant à quiconque de l'utiliser facilement. D-ID utilise cette technologie pour aider ses clients à promouvoir leurs campagnes marketing, de divertissement et de médias sociaux à l'échelle mondiale, en réduisant les coûts de localisation. Le lancement de cette technologie représente une avancée significative pour les petites entreprises.

Le syndicat des acteurs SAG-AFTRA a conclu un accord avec la start-up de clonage IA Narrativ, autorisant les acteurs à donner légalement leur voix pour des publicités audio générées par IA. L'accord garantit aux acteurs le droit de connaître et de refuser les propositions de marques, de fixer les prix et de négocier une rémunération équitable. Une partie des revenus publicitaires sera reversée au régime de prestations sociales du SAG-AFTRA, bien que le pourcentage exact n'ait pas été divulgué. Cet accord vise à résoudre le problème de la propagation non autorisée de clones vocaux par IA, qui était auparavant un sujet de préoccupation majeur avec le secteur de l'IA.

Microsoft a récemment publié VALL-E 2, un modèle texte-à-parole (TTS) à zéro échantillon, une avancée qui a suscité de nombreux débats dans le monde technologique et qui est considérée comme une étape importante dans le domaine de la synthèse vocale. L'innovation de VALL-E 2 réside dans sa capacité d'apprentissage zéro-échantillon : il suffit d'un court échantillon vocal inconnu pour imiter une voix et prononcer n'importe quel texte, réalisant ainsi une imitation instantanée et un groupement de codeurs étonnants. Il améliore également l'échantillonnage perceptif répétitif, améliorant ainsi la stabilité du décodage et simplifiant les besoins en données. Dans les tests de notation subjective et d'indicateurs objectifs, VALL-E 2 a surpassé les modèles précédents.

À partir du 20 juin, la plateforme de personnages numériques Baidu Intelligent Cloud XiLing bénéficiera d'une importante mise à niveau. Cette mise à niveau permet non seulement la génération efficace et économique de personnages numériques 2D/3D de haute qualité, mais aussi une intégration matricielle dans plusieurs scénarios tels que les diffusions en direct, les courtes vidéos et les dialogues, améliorant ainsi considérablement l'expérience utilisateur. Que ce soit pour la création d'IP d'entreprise, la conception d'IP touristique ou le développement d'IP de divertissement, la plateforme XiLing offre des services de personnages numériques intelligents, pratiques et faciles à utiliser en une seule solution.

Des chercheurs d'IBM ont découvert une méthode relativement simple pour détourner des appels vocaux à l'aide d'outils d'IA générative. Cette découverte soulève des inquiétudes pour les organisations, telles que les institutions financières, qui s'appuient sur la vérification d'identité par téléphone. Cela représente un défi pour les chatbots, car ils restent vulnérables. Grâce à des outils IA peu coûteux, les fraudeurs peuvent facilement imiter la voix d'autrui pour voler de l'argent et d'autres informations sensibles auprès des organisations utilisant la vérification d'identité téléphonique. Le détournement audio est une nouvelle menace, les acteurs malveillants pouvant manipuler de grands modèles de langage en utilisant le clonage vocal au cours d'une conversation.

OpenVoice, un outil de clonage vocal open source développé en collaboration entre le MIT, l'université Tsinghua et la start-up canadienne d'IA MyShell, suscite l'intérêt. OpenVoice utilise une méthode simple et efficace pour cloner la voix de l'utilisateur presque instantanément, réduisant considérablement la consommation de ressources de calcul. Puissant, il offre des options de contrôle granulaire, notamment le ton, les émotions, le rythme et les pauses, permettant de générer des clones vocaux au style personnalisé. Le modèle économique de MyShell prévoit des abonnements mensuels via une application web, des frais de promotion auprès des créateurs de robots tiers et des services d'intelligence artificielle humaine.

'La nouvelle technologie Personal Voice de Microsoft génère en une minute une voix IA identique à la voix de l'utilisateur. 'Elle prend en charge la sortie dans 100 langues, incluant le chinois, l'espagnol et l'allemand. 'Largement utilisée dans les assistants vocaux, les jeux, le divertissement et les médias. 'Partenariat avec Haier pour intégrer des voix personnalisées dans les enceintes intelligentes et les appareils électroménagers. 'Engagement à une utilisation responsable avant le lancement, inscription limitée, ajout de filigranes pour garantir la conformité et la transparence.'