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

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

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।

माइक्रोसॉफ्ट ने हाल ही में एक शून्य-नमूना पाठ से आवाज़ (TTS) मॉडल VALLE-2 जारी किया, जिसने तकनीकी क्षेत्र में हलचल मचा दी, और इसे TTS क्षेत्र में एक मील का पत्थर माना गया। VALLE-2 की नवाचार यह है कि इसकी शून्य-नमूना शिक्षण क्षमता है, जिसे केवल एक छोटे से अपरिचित आवाज़ नमूने की आवश्यकता होती है, ताकि यह किसी भी पाठ को बोलने के लिए आवाज़ की नकल कर सके, जिससे प्रभावशाली तात्कालिक नकल और एन्कोडर समूह का निर्माण होता है। यह दोहराव-संवेदी नमूने में सुधार करता है, डिकोडिंग की स्थिरता को बढ़ाता है, और डेटा की आवश्यकता को सरल बनाता है। विषयगत मूल्यांकन और वस्तुनिष्ठ मापदंडों के परीक्षण में, VALLE-2 ने पिछली पीढ़ी के मॉडल को पीछे छोड़ दिया।

माइक्रोसॉफ़्ट की नवीनतम तकनीक पर्सनल वाइस, उपयोगकर्ता की आवाज़ के साथ पूरी तरह से मेल खाती एआई आवाज को एक मिनट में生成 करती है। यह 100 भाषाओं में आउटपुट का समर्थन करती है, जिसमें चीनी, स्पेनिश, जर्मन आदि शामिल हैं। यह व्यापक रूप से वॉयस असिस्टेंट, गेम, मनोरंजन और मीडिया क्षेत्रों में उपयोग होती है। हायर्स के साथ मिलकर स्मार्ट स्पीकर और घरेलू उपकरणों में व्यक्तिगत आवाज़ को शामिल किया गया है। लॉन्च से पहले जिम्मेदारी से उपयोग की वचनबद्धता, सीमित रजिस्ट्रेशन की पेशकश, और अनुपालन और पारदर्शिता की सुरक्षा के लिए वॉटरमार्क प्रदान की जाती है।