L'équipe de génération vocale du laboratoire Tongyi d'Alibaba a annoncé la mise à niveau de son grand modèle de génération vocale open source CosyVoice à la version 2.0. Cette mise à niveau marque une avancée significative dans la précision, la stabilité et l'expérience naturelle de la génération vocale. CosyVoice 2.0, grâce à la technologie de grand modèle de génération vocale intégrée hors ligne et en streaming, permet une synthèse vocale bidirectionnelle en streaming, avec un délai de première transmission pouvant atteindre 150 ms, améliorant ainsi considérablement la vitesse de réponse de la synthèse vocale.

Play AI vient de lancer son produit le plus ambitieux à ce jour : PlayDialog en version bêta, capable de générer des podcasts audio conversationnels. Ce modèle de génération vocale IA de bout en bout utilise le contexte historique de la conversation pour contrôler le ton, les émotions et la vitesse de parole, afin d'obtenir une synthèse vocale plus naturelle, marquant ainsi un nouveau sommet dans la conversation homme-machine. PlayDialog est particulièrement adapté à la création d'expériences conversationnelles réalistes, telles que les voix off, le doublage vocal et la création de podcasts, et peut également fournir une expérience vocale immersive en tête-à-tête dans des environnements commerciaux.

Un projet innovant nommé ChatTTS-OpenVoice attire l’attention sur internet. Il fusionne les technologies ChatTTS et OpenVoice pour générer une voix personnalisée et naturelle à partir d’un fichier audio de référence de 10 secondes fourni par l’utilisateur. Cette technologie convient aux outils de doublage et aux assistants vocaux. En simplifiant le processus de téléchargement, les utilisateurs bénéficient d’une expérience vocale sur mesure. Le projet, lancé récemment, a été salué par les développeurs et les utilisateurs et a suscité de nombreuses discussions sur les médias sociaux. Le responsable indique que l’objectif est de fournir aux utilisateurs une voix plus personnalisée et naturelle.