स्पार्क-TTS एक अत्याधुनिक AI-संचालित प्लेटफ़ॉर्म है जो आपको अपनी आवाज़ को क्लोन करने और उसे कस्टमाइज़ करने की अनुमति देता है। यह तकनीक आपको अपनी पसंद के अनुसार आवाज़ को बदलने और उसे विभिन्न अनुप्रयोगों में उपयोग करने की सुविधा प्रदान करती है।

6 मार्च को, मोबाइलवॉय (Mobvoi) ने हांगकांग विश्वविद्यालय, शंघाई जियाओ टोंग विश्वविद्यालय, नानयांग प्रौद्योगिकी विश्वविद्यालय, नॉर्थवेस्टर्न पॉलिटेक्निक विश्वविद्यालय जैसे शीर्ष शैक्षणिक संस्थानों के साथ मिलकर, अगली पीढ़ी के वॉयस जेनरेशन मॉडल Spark-TTS को ओपन सोर्स किया, और इसके व्यावसायिक उच्च-गुणवत्ता वाले TTS इंजन-TicVoice7.0 को लॉन्च किया। मोबाइलवॉय के सातवें पीढ़ी के TTS इंजन के रूप में, TicVoice7.0 ने वॉयस जेनरेशन क्षेत्र में एक बड़ी सफलता हासिल की है, जिससे वॉयस जेनरेशन का एक नया प्रतिमान शुरू हुआ है।

ElevenLabs ने हाल ही में अपना नया Scribe वॉयस-टू-टेक्स्ट मॉडल जारी किया है, जो अंग्रेज़ी भाषा में 96.7% की अभूतपूर्व सटीकता प्राप्त करता है। यह मॉडल उन्नत तकनीक का उपयोग करके बनाया गया है, जिससे यह अन्य वॉयस-टू-टेक्स्ट मॉडलों से बेहतर प्रदर्शन करता है।

हाल ही में, दुनिया का पहला 'मानव-समान रोबोट' प्रोटोक्लोन सोशल मीडिया पर काफी चर्चा में है। यह रोबोट न केवल अपनी डिजाइन में भव्य है, बल्कि इसमें मांसपेशियों और हड्डियों की संरचना भी है, जो लोगों को हैरान कर देती है। एक आकर्षक वीडियो में, प्रोटोक्लोन एक स्टैंड पर लटकता है, और समय के साथ, इसकी मांसपेशियां संकुचन और गति करने लगती हैं, और अंततः इसके अंगों की गतिविधि शुरू होती है, जो एक बेहद मानवतावादी मुद्रा को प्रदर्शित करती है। प्रोटोक्लोन को तकनीकी स्टार्टअप कंपनी क्लोन रोबोटिक्स द्वारा विकसित किया गया है।

हाल ही में, नेटफ्लिक्स ने अपनी नई सच्चा अपराध डॉक्यूमेंट्री 'अमेरिकन मर्डर: गबी पेटिटो' में दिवंगत सोशल मीडिया प्रभावशाली गबी पेटिटो की आवाज़ को पुन: प्रस्तुत करने के लिए एआई तकनीक का उपयोग करने को लेकर व्यापक विवाद खड़ा किया। गबी को अगस्त 2021 में उसके मंगेतर ब्रायनLaundry द्वारा हत्या कर दी गई, जिससे जनता में गहरा दुख व्याप्त हो गया। डॉक्यूमेंट्री की शुरुआत में, दर्शकों ने एक संदेश देखा, जिसमें बताया गया कि पेटिटो के डायरी और टेक्स्ट मैसेज को उसकी आवाज़ में वॉयस रीक्रिएशन टेक्नोलॉजी के माध्यम से प्रस्तुत किया जाएगा। चित्र स्रोत टिप्पणी: चित्र एआई द्वारा उत्पन्न, चित्र लाइसेंसिंग सेवा प्रदाता मिड।

हाल ही में, HYBE के अधीन कृत्रिम बुद्धिमत्ता आवाज कंपनी Supertone ने ‘Supertone Play’ नामक टेक्स्ट-से-स्पीच उपकरण पेश किया है, जिसका उद्देश्य उच्च गुणवत्ता, भावपूर्ण ऑडियो सामग्री उत्पन्न करना है। यह नया उपकरण वर्तमान में अंग्रेजी, कोरियाई और जापानी का समर्थन करता है, और उम्मीद है कि यह वर्ष के भीतर स्पेनिश और चीनी में विस्तार करेगा। Supertone Play 150 आवाज पात्र प्रदान करता है, जो विभिन्न सामग्री निर्माण आवश्यकताओं के लिए उपयुक्त है, जिसमें प्राकृतिक वार्तालाप, समाचार प्रसारण और ऑडियो किताबें शामिल हैं।

ZyphraAI ने हाल ही में अपने नवीनतम बहु-भाषाई पाठ से आवाज़ में बदलने वाली (TTS) मॉडल **Zonos-TTS** की घोषणा की है, जो **Apache2.0 लाइसेंस** के तहत पूरी तरह से ओपन-सोर्स और व्यावसायिक उपयोग के लिए उपलब्ध है। Zonos-TTS न केवल वास्तविक समय की आवाज़ क्लोनिंग कार्यक्षमता का समर्थन करता है, बल्कि 200,000 घंटे के अंग्रेजी आवाज़ डेटा के प्रशिक्षण के माध्यम से उत्कृष्ट प्रदर्शन प्रदर्शित करता है। Zonos-TTS दो प्रकार के तैनाती मोड प्रदान करता है: स्थानीय तैनाती का समर्थन करता है और सुविधाजनक API सेवाएँ प्रदान करता है। सामान्य उपयोगकर्ताओं के लिए, Zyphr

आर्टिफिशियल इंटेलिजेंस वॉयस कंपनी ElevenLabs ने फिर से ध्यान आकर्षित किया है, इसने हाल ही में 250 मिलियन डॉलर की सीरीज़ C फंडिंग पूरी की है, जिसमें मूल्यांकन 3 बिलियन से 3.3 बिलियन डॉलर के बीच है। यह फंडिंग ICONIQ Growth द्वारा लीड की गई थी, जो AI वॉयस तकनीक के प्रति बाजार के मजबूत विश्वास को दर्शाता है। केवल एक वर्ष पहले, ElevenLabs ने 80 मिलियन डॉलर की B राउंड फंडिंग पूरी की थी, जिसका मूल्यांकन तब वर्तमान मूल्य का केवल एक तिहाई था, जो इस कंपनी के तेज विकास को दर्शाता है। ElevenLabs की नींव Mat द्वारा रखी गई थी।

इनाम समारोह के करीब आते ही, फिल्म निर्माण में आर्टिफिशियल इंटेलिजेंस (एआई) के उपयोग ने गरमागरम चर्चा को जन्म दिया है। इस वर्ष कम से कम दो लोकप्रिय फिल्मों का खुलासा हुआ है कि उन्होंने अभिनेता के प्रदर्शन को बढ़ाने के लिए वॉयस प्रिंट क्लोनिंग तकनीक का उपयोग किया है, जिससे फिल्म उद्योग में एआई के भविष्य के बारे में कई अटकलें लगाई जा रही हैं। 'रेड शार्क न्यूज' के साथ एक साक्षात्कार में, फिल्म 'ब्रुटालिस्ट' के संपादक डेविड यांजो ने खुलासा किया कि फिल्म में हंगेरियन संवाद को अधिक स्वाभाविक बनाने के लिए उन्होंने यूक्रेनी कंपनी Respeecher द्वारा विकसित एक एआई उपकरण का उपयोग किया।

2024 के अंत में Hailuo AI के अंतरराष्ट्रीय संस्करण के AI वॉयस क्लोनिंग फ़ीचर लॉन्च करने के बाद, हाल ही में Hailuo AI ने नए वॉयस मॉडल T2A-01-HD को पेश किया। T2A-01-HD नया वॉयस मॉडल भी वॉयस क्लोनिंग का समर्थन करता है, जो भावनात्मक रूप से समृद्ध ऑडियो उत्पन्न कर सकता है। आधिकारिक जानकारी के अनुसार, T2A-01-HD पिछले ऑडियो मॉडल के आधार पर, श्रव्य गुणवत्ता में सुधार के साथ क्लोनिंग की उत्कृष्ट सटीकता रखता है। हालांकि, T2A-01-HD अभी तक ओपन-सोर्स नहीं किया गया है, उपयोगकर्ता इसे सीमित समय के लिए मुफ्त में वेब पर उपयोग कर सकते हैं। Hailuo AI पर जाएं।

क्या आप जटिल ओपन-सोर्स डिजिटल टूल के लिए वातावरण कॉन्फ़िगर करने से परेशान हैं? AigcPanel का आगमन इस स्थिति को पूरी तरह से बदल देगा। यह एकीकृत AI डिजिटल मानव प्रणाली अपने सरल और उपयोगकर्ता के अनुकूल विशेषताओं के साथ सभी उपयोगकर्ताओं को आसानी से काम करने की अनुमति देती है। केवल एक स्थापना पैकेज की आवश्यकता होती है, सभी समस्याओं को हल करें, जटिल वातावरण कॉन्फ़िगरेशन को अलविदा कहें, केवल मॉडल डाउनलोड करें और तैयार हो जाएं, सच में 'तुरंत उपयोग करें' को महसूस करें। AigcPanel की मुख्य विशेषताएँ इसकी शक्तिशाली वीडियो सिंथेसिस, ध्वनि सिंथेसिस और ध्वनि क्लोनिंग क्षमताओं में निहित हैं। उपयोगकर्ता आसानी से डिजिटल मानव के साथ संयोजन में वीडियो उत्पन्न कर सकते हैं।

जिनशान ऑफिस ने आज घोषणा की कि आज से लेकर अगले साल 22 जनवरी तक, WPS AI सभी उपयोगकर्ताओं को वर्ष अंत भत्ता प्रदान करेगा, जिसमें AI द्वारा बना PPT, AI स्टाइल क्लोनिंग, AI फ़िल्टर और PPT टेम्पलेट सहित चार विशेषताओं को मुफ्त में अनलॉक किया जाएगा, ताकि कार्यक्षमता में सुधार किया जा सके और वर्ष अंत सारांश PPT को और अधिक रचनात्मक बनाया जा सके। AI द्वारा बना PPT फीचर उपयोगकर्ताओं को दस्तावेज़ आयात करके पेशेवर और सुंदर PPT तेजी से बनाने की अनुमति देता है। WPS AI की तकनीक आधारित, यह फीचर दस्तावेज़ की तर्क, विषय और सामग्री बिंदुओं को सही ढंग से पहचानता है, गणना को अपरिवर्तित रखते हुए।

हाल ही में, चीनी एआई वॉयस क्लोनिंग तकनीक ने एक महत्वपूर्ण प्रगति की है। सीप एआई के विदेशी संस्करण में लॉन्च किया गया ऑडियो क्लोनिंग मॉड्यूल, केवल 10 से 60 सेकंड के ऑडियो नमूने की आवश्यकता है, जिससे उपयोगकर्ता की आवाज को पूरी तरह से पुन: पेश किया जा सकता है। सीप एआई के विदेशी संस्करण का ऑडियो क्लोनिंग प्रभाव कई उपयोगकर्ताओं को आश्चर्यचकित कर रहा है, क्योंकि पहले चीनी वॉयस क्लोनिंग क्षेत्र में, हालांकि कई उत्पाद थे, लेकिन उनके परिणाम अक्सर असंतोषजनक होते थे। सीप एआई का ऑडियो क्लोनिंग फ़ंक्शन बहुत सरल और सुविधाजनक है, जिससे उपयोगकर्ता कई आवाज़ मॉडल बना सकते हैं, उपयोगकर्ता केवल 'वॉयस' मॉड्यूल में प्रवेश करें.

Hume AI, जो एक भावनात्मक बुद्धिमत्ता आवाज़ इंटरफेस पर केंद्रित स्टार्टअप है, ने हाल ही में एक प्रयोगात्मक सुविधा ‘आवाज़ नियंत्रण’ पेश की है। यह नया उपकरण डेवलपर्स और उपयोगकर्ताओं को बिना किसी कोडिंग, AI प्रॉम्प्ट इंजीनियरिंग, या ध्वनि डिज़ाइन कौशल की आवश्यकता के, व्यक्तिगत AI आवाज़ बनाने में मदद करने के लिए डिज़ाइन किया गया है। उपयोगकर्ता ध्वनि विशेषताओं को सटीक रूप से समायोजित करके अपनी आवश्यकता के अनुसार आवाज़ को आसानी से अनुकूलित कर सकते हैं। यह नई सुविधा कंपनी द्वारा पहले पेश किए गए ‘संवेदनशील आवाज़ इंटरफ़ेस 2’ (EVI2) के आधार पर विकसित की गई है, EVI2 ने आवाज़ की प्राकृतिकता को बढ़ाया है।

जैसे-जैसे कृत्रिम बुद्धिमत्ता तकनीक में प्रगति हो रही है, आवाज़ क्लोनिंग तकनीक धीरे-धीरे जनता की नज़र में आने लगी है, लेकिन इसके संभावित खतरों के साथ-साथ प्रकट हो रहे हैं। हाल ही में कई प्रसिद्ध लोगों की आवाज़ों का दुरुपयोग करने वाले अपराधियों द्वारा दुरुपयोग किया गया है, जो धोखाधड़ी का एक उपकरण बन गई हैं। प्रसिद्ध प्राकृतिक वृत्तचित्र प्रस्तुतकर्ता डेविड एटनबरो सहित कई हस्तियों ने इस पर चिंता व्यक्त की है और कानून संरक्षकों को मजबूत बनाने की अपील की है। चित्र स्रोत नोट: चित्र AI द्वारा निर्मित, चित्र अधिकार सेवा प्रदाता Midjourney द्वारा हाल ही में, डेविड एटनबरो ने जब पाया कि उनकी आवाज़ का उपयोग राजनीतिक समाचार फैलाने के लिए किया जा रहा है, तो उन्होंने महसूस किया

एक नवीनतम अध्ययन से पता चलता है कि जनरेटिव एआई मॉडल, विशेष रूप से बड़े भाषा मॉडल (LLM) का उपयोग करके, एक ऐसा ढांचा विकसित किया जा सकता है जो विभिन्न परिस्थितियों में मानव व्यवहार को सटीक रूप से अनुकरण कर सकता है। यह अध्ययन सामाजिक विज्ञान अनुसंधान के लिए एक शक्तिशाली नए उपकरण प्रदान करता है। शोधकर्ताओं ने सबसे पहले अमेरिका के विभिन्न पृष्ठभूमियों से 1000 से अधिक प्रतिभागियों को आमंत्रित किया, और उन पर दो घंटे तक गहरे साक्षात्कार किए, उनके जीवन के अनुभवों, विचारों और मूल्यों जैसी जानकारी इकट्ठा की। फिर, शोधकर्ताओं ने इन साक्षात्कार रिकॉर्डों और एक बड़े भाषा मॉडल का उपयोग करके एक संरचना बनाई।

ElevenLabs एक स्टार्टअप है जो AI वॉयस क्लोनिंग और टेक्स्ट-टू-स्पीच API पर केंद्रित है, जिसने हाल ही में एक नई फ़ीचर की घोषणा की है जिससे उपयोगकर्ता पूर्ण संवादात्मक AI एजेंट बना सकते हैं। अब उपयोगकर्ता ElevenLabs के डेवलपर प्लेटफ़ॉर्म पर अपने आवश्यकताओं के आधार पर संवादात्मक एजेंट के विभिन्न वेरिएबल्स को अनुकूलित कर सकते हैं, जैसे कि वॉयस टोन और प्रतिक्रिया की लंबाई। ElevenLabs पहले विभिन्न वॉयस और टेक्स्ट-टू-स्पीच सेवाएं प्रदान करता था। कंपनी के ग्रोथ हेड सैम स्क्लार ने एक साक्षात्कार में

एआई डिजिटल मीडिया 'डिजिटल लाइफ काज़िक' की खबरों के अनुसार, WeChat सार्वजनिक अकाउंट ने एक नई सुविधा - एआई आवाज़ क्लोनिंग को चुपचाप शुरू किया है, जिसका उद्देश्य उपयोगकर्ता के पढ़ने के अनुभव को बढ़ाना है। कहा जाता है कि यह अपडेट सार्वजनिक अकाउंट के संस्करण 2.29.1 में देखा गया है, जिससे उपयोगकर्ता अपनी आवाज़ के माध्यम से लेख पढ़ सकते हैं, और सामग्री की व्यक्तिगतता को काफी बढ़ा सकते हैं। उपयोगकर्ता बैकएंड सेटिंग्स में 'पठन ध्वनि' विकल्प पा सकते हैं, जिससे वे अपना विशेष आवाज़ बना सकते हैं। आवाज़ बनाने की प्रक्रिया نسبता सरल है, उपयोगकर्ता को केवल एक पाठ का पाठ现场朗读 करना होता है, सिस्टम तेजी से आवाज़ क्लोनिंग करेगा।