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।

हाल ही में, Oute AI ने एक नई टेक्स्ट-टू-स्पीच संश्लेषण विधि जारी की, जिसे OuteTTS-0.1-350M कहा जाता है। यह विधि केवल भाषा मॉडलिंग का उपयोग करती है, बाहरी अनुकूलक या जटिल संरचना की आवश्यकता के बिना, एक सरल TTS विधि प्रदान करती है। OuteTTS-0.1-350M LLaMa संरचना पर आधारित है, जो WavTokenizer का उपयोग करके सीधे ऑडियो टोकन उत्पन्न करता है, जिससे प्रक्रिया अधिक कुशल हो जाती है। इस मॉडल में शून्य-नमूना आवाज क्लोनिंग क्षमता है, केवल कुछ सेकंड के संदर्भ ऑडियो की आवश्यकता होती है।

अमेज़न ने AI क्लोन नेरेटर प्रोजेक्ट शुरू किया है, जिसका उद्देश्य ऑडियोबुक निर्माण को तेज करना है। इस प्रोजेक्ट के तहत नेरेटरों को AI को प्रशिक्षित करने के लिए रिकॉर्डिंग भेजने के लिए आमंत्रित किया जाता है, जिससे AI “आवाज क्लोनिंग” संभव हो सके। नेरेटर इस प्रोजेक्ट में भाग लेने के लिए अपनी मर्ज़ी से चयन कर सकते हैं, जिसमें या तो लाइव प्रदर्शन या AI द्वारा उत्पन्न रिकॉर्डिंग शामिल है। AI क्लोन वाले ऑडियोबुक उत्पाद विवरण पृष्ठ पर चिह्नित किए जाएंगे, और रॉयल्टी साझा करने के मॉडल के माध्यम से नेरेटरों को भुगतान किया जाएगा, AI क्लोनिंग के लिए नेरेटर की सहमति आवश्यक है। यह सुविधा अमेरिका में बीटा परीक्षण के बाद अधिकार धारकों के लिए विस्तारित की जाएगी, जिसका उद्देश्य नेरेटरों के लिए अधिक रचनात्मक अवसर प्रदान करना और ऑडियोबुक बाजार को आगे बढ़ाना है।

20 जून से, Baidu स्मार्ट क्लाउड Xiling डिजिटल व्यक्ति मंच में एक महत्वपूर्ण नवाचार अपग्रेड होगा। इस अपग्रेड ने न केवल सुंदर 2D/3D डिजिटल व्यक्तियों का कुशल और किफायती निर्माण संभव बनाया है, बल्कि यह लाइवस्ट्रीमिंग, शॉर्ट वीडियो और वार्तालाप जैसे कई क्षेत्रों में मैट्रिक्स की तरह एकीकृत करने में सक्षम है, जिससे उपयोगकर्ता का अनुभव व्यापक रूप से बेहतर हुआ है। चाहे वह 企业IP निर्माण, 文旅IP डिज़ाइन, या मनोरंजन IP विकास हो, Xiling मंच एक-स्टॉप समर्पित, सुगम और उपयोग में आसान डिजिटल व्यक्ति सेवाओं की पेशकश कर सकता है।

Aug X ने Augie लॉन्च किया, एक कृत्रिम बुद्धिमत्ता आधारित वीडियो निर्माण मंच, जो आपकी खुद की आवाज़ को क्लोन करके विज्ञापन पाठ को पढ़ने की अनुमति देता है, बिना रिकॉर्डिंग स्टूडियो की बुकिंग के। Augie प्लेटफॉर्म मुख्य रूप से मार्केटिंग पेशेवरों और सामाजिक मीडिया टीमों के लिए लक्षित है, उपयोगकर्ता वीडियो में त्वरित रूप से आवाज़, तस्वीरें, पाठ और संगीत जोड़ सकते हैं, बिना ऑडियो और वीडियो संपादन सीखने की आवश्यकता के। यह प्लेटफॉर्म उपयोगकर्ताओं के लिए फोटो और AI द्वारा उत्पन्न छवियों का चयन करने के लिए एक पुस्तकालय भी प्रदान करता है, जबकि क्लोन की गई आवाज़ वीडियो की भावना के अनुसार समायोजित की जा सकती है।