Em 6 de março, a Mobvoi, em colaboração com instituições acadêmicas de ponta como a Universidade de Ciência e Tecnologia de Hong Kong, a Universidade Jiao Tong de Xangai, a Universidade Tecnológica de Nanyang e a Universidade de Ciência e Tecnologia do Noroeste, lançou em código aberto o Spark-TTS, um modelo de geração de voz de nova geração, e também lançou seu motor TTS comercial de alta qualidade - TicVoice 7.0. Como o sétimo motor TTS da Mobvoi, o TicVoice 7.0 alcançou um grande avanço no campo da geração de voz, abrindo um novo paradigma para a geração de voz.

Recentemente, a Supertone, empresa de voz de inteligência artificial da HYBE, anunciou o lançamento de sua ferramenta de texto para voz, chamada "Supertone Play", projetada para gerar conteúdo de áudio de alta qualidade e expressivo. A ferramenta atualmente suporta inglês, coreano e japonês, com previsão de expansão para espanhol e chinês ainda este ano. O Supertone Play oferece 150 personagens de voz, adequados para diversas necessidades de criação de conteúdo, incluindo conversas naturais, reportagens profissionais e audiolivros, com...

A ZyphraAI lançou recentemente seu mais novo modelo de texto para fala (TTS) multilíngue, **Zonos-TTS**, baseado na **licença Apache2.0**, totalmente de código aberto e utilizável comercialmente. O Zonos-TTS não apenas suporta a função de clonagem de voz em tempo real, mas também foi treinado com 200.000 horas de dados de voz em inglês, exibindo um desempenho excepcional. O Zonos-TTS oferece duas maneiras de implantação: suporte para implantação local e serviço de API conveniente. Para usuários comuns, Zyphr...

Ainda está tendo problemas com a configuração do ambiente de ferramentas de avatar digital de código aberto complexas? O surgimento do AigcPanel mudará completamente essa situação. Este sistema de avatar digital de IA de serviço completo, com suas características fáceis de usar, permite que todos os usuários o dominem facilmente. Com apenas um pacote de instalação, você pode resolver todos os problemas, dizer adeus à configuração complexa do ambiente e começar a usar apenas baixando o modelo, realmente realizando "pronto para uso". A função principal do AigcPanel está em sua poderosa capacidade de síntese de vídeo, síntese de voz e clonagem de voz. Os usuários podem gerar facilmente vídeos com avatares digitais

De acordo com a mídia social de IA “Digital Life Kha’Zix”, o WeChat lançou silenciosamente um novo recurso - clonagem de voz com IA - com o objetivo de melhorar a experiência do leitor. Segundo relatos, essa atualização está presente na versão 2.29.1 do WeChat, permitindo que os usuários leiam artigos com suas próprias vozes, aumentando significativamente a personalização do conteúdo. Os usuários podem encontrar a opção “Voz de leitura” nas configurações do painel, para criar uma voz exclusiva. O processo de criação da voz é relativamente simples; os usuários precisam apenas ler um trecho de texto ao vivo, e o sistema clonará a voz rapidamente.

Recentemente, a Oute AI lançou um novo método de síntese de texto para fala chamado OuteTTS-0.1-350M. Este método utiliza modelagem de linguagem pura, sem adaptadores externos ou arquiteturas complexas, oferecendo um método TTS simplificado. O OuteTTS-0.1-350M é baseado na arquitetura LLaMa e usa o WavTokenizer para gerar tokens de áudio diretamente, tornando o processo mais eficiente. O modelo possui a capacidade de clonagem de voz zero-shot, necessitando apenas alguns segundos de áudio de referência.

Recentemente, a popular ferramenta de criação de personagens de IA, Hedra, anunciou um novo recurso emocionante: clonagem de voz! Agora, os usuários podem gravar um pequeno trecho de sua própria voz para clonar, armazenar e aplicar a qualquer personagem criado ou carregado na plataforma. No entanto, essa nova ferramenta está disponível apenas para usuários pagos, com uma assinatura mínima de US$ 10 por mês. A Hedra é fácil e intuitiva de usar, o que é um de seus principais destaques. Em comparação com o Runway e o Kling, a Hedra se destaca em sua facilidade de uso...

Recentemente, um caso alarmante de fraude por clonagem de voz com IA chamou a atenção, destacando os enormes riscos dessa tecnologia. O pai do renomado advogado de defesa do consumidor, Jay Shuster, quase se tornou vítima desse golpe de alta tecnologia. Os golpistas usaram IA para imitar a voz de Jay, alegando que ele havia sido preso por dirigir embriagado e precisava de US$ 30.000 em 'fiança'. O que é chocante é que os golpistas conseguiram criar uma clonagem de voz extremamente realista usando apenas 15 segundos de áudio de uma entrevista na televisão. Apesar de Jay ter alertado sua família sobre esse tipo de golpe anteriormente, eles ainda...

No mundo de rápida evolução da tecnologia, a síntese de voz também está avançando, especialmente na área de recuperação de vozes perdidas. Recentemente, pesquisadores do Google propuseram uma nova tecnologia chamada "conversão de voz zero-shot", que pode ser combinada diretamente com sistemas de texto para fala (TTS) de última geração para ajudar pessoas que perderam suas vozes devido a doenças ou acidentes a recuperar suas "memórias sonoras". O cerne desta tecnologia reside na capacidade "zero-shot", o que significa que não precisamos de uma grande quantidade de amostras para implementá-la.

Em uma recente cerimônia de assinatura, o governador da Califórnia, Gavin Newsom, anunciou uma série de novas leis para a indústria de Inteligência Artificial (IA), consideradas relativamente rigorosas em todo o país. As novas regulamentações incluem cinco itens, sendo três especificamente direcionados a tecnologias deepfake de IA que podem influenciar eleições, e os outros dois relacionados à clonagem de vozes e imagens de atores de Hollywood. Nota da imagem: Imagem gerada por IA, serviço de licenciamento de imagens Midjourney. A nova lei AB2655 exige que grandes plataformas online...

James Earl Jones, ator lendário conhecido por sua voz icônica e carreira brilhante de seis décadas, deixou um legado inesquecível. Suas performances como Mufasa em 'O Rei Leão' e Darth Vader na franquia 'Star Wars' o consagraram. Vencedor do Tony Award por seu trabalho em 'A Grande Esperança Branca' e 'Cerca', a voz de Jones foi clonada por meio de IA para recriar seus papéis clássicos, gerando um debate na indústria sobre o uso da IA e os direitos dos atores de voz. Essa decisão contribuiu para a greve dos atores do SAG-AFTRA, preocupados com a possibilidade da IA substituir seus trabalhos. Jones

A D-ID lançou recentemente o AI Video Translate, uma ferramenta inovadora de tradução de vídeo com IA que traduz o conteúdo de vídeos para vários idiomas, clona a voz do narrador e ajusta a sincronização labial para garantir que a tradução se alinhe perfeitamente com as imagens. A ferramenta suporta renderização em massa em 29 idiomas e possui uma interface amigável, tornando-a acessível a qualquer pessoa. Com essa tecnologia, a D-ID ajuda os clientes a promover campanhas de marketing, entretenimento e mídia social em todo o mundo, economizando custos de localização. O lançamento dessa tecnologia é um grande avanço para pequenas empresas...

O sindicato de atores SAG-AFTRA assinou um acordo com a startup de clonagem de IA Narrativ, permitindo que os atores licenciem legalmente suas vozes para anúncios de áudio gerados por IA. O acordo garante que os atores tenham o direito de conhecer e rejeitar propostas de marcas, definir preços e negociar uma compensação justa. O plano de benefícios do SAG-AFTRA receberá uma parte da receita dos anúncios, embora a porcentagem específica não tenha sido divulgada. Este acordo visa resolver o problema da ampla disseminação de vozes clonadas por IA sem autorização, que anteriormente gerou tensões com a indústria de IA.

A Microsoft lançou recentemente o VALL-E 2, um modelo de texto para fala (TTS) de amostra zero, que gerou grande discussão no meio tecnológico e é considerado um marco no campo de TTS. A inovação do VALL-E 2 reside em sua capacidade de aprendizado zero-shot; com apenas um pequeno fragmento de amostra de voz desconhecida, ele consegue imitar a voz para dizer qualquer texto, alcançando uma imitação instantânea e agrupamento de codificadores impressionantes. Ele também aprimorou a amostragem com percepção de repetição, melhorando a estabilidade da decodificação e simplificando as necessidades de dados. Em testes de pontuação subjetiva e indicadores objetivos, o VALL-E 2 superou modelos anteriores.

A partir de 20 de junho, a plataforma de avatares digitais Baidu Smart Cloud Xiling receberá uma grande atualização. Esta atualização não apenas permite a geração eficiente e de baixo custo de avatares digitais 2D/3D de alta qualidade, mas também integra matricialmente vários cenários, como transmissão ao vivo, vídeos curtos e conversas, melhorando significativamente a experiência do usuário. Seja para criação de IPs corporativos, design de IPs de turismo cultural ou desenvolvimento de IPs de entretenimento, a plataforma Xiling oferece serviços de avatares digitais inteligentes, convenientes e fáceis de usar.

Pesquisadores da IBM descobriram um método relativamente simples para usar ferramentas de IA generativa para interceptar chamadas de voz. Essa descoberta levanta preocupações para organizações, como instituições financeiras, que dependem da verificação de identidade por telefone. Isso representará um desafio para os chatbots, pois eles ainda 'Para organizações, como instituições financeiras, que usam a verificação de identidade por telefone, ladrões podem facilmente se passar pela voz de outras pessoas usando ferramentas de IA de baixo custo, roubando dinheiro e outras informações sensíveis.' A interceptação de áudio é uma nova ameaça, onde atores maliciosos podem usar a clonagem de voz para manipular conversas em andamento em larga escala.

A ferramenta de clonagem de voz de código aberto OpenVoice, desenvolvida em colaboração entre o MIT, a Universidade Tsinghua e a startup canadense de IA MyShell, está chamando a atenção. O OpenVoice utiliza um método simples e eficiente para clonar a voz do usuário quase instantaneamente, reduzindo significativamente o consumo de recursos computacionais. Potente em recursos, oferece opções de controle detalhado, incluindo tom, emoção, ritmo e pausas, permitindo a geração de clones de voz com estilos personalizados. O plano de negócios da MyShell prevê oferecer assinaturas mensais por meio de um aplicativo web e a promoção para criadores de robôs de terceiros.

'A mais recente tecnologia da Microsoft, Personal Voice, gera em um minuto uma voz de IA idêntica à sua. Suporta saída em 100 idiomas, incluindo chinês, espanhol e alemão. Amplamente aplicada em assistentes de voz, jogos, entretenimento e mídia. Parceria com a Haier para integrar vozes personalizadas em caixas de som inteligentes e eletrodomésticos. Compromisso com o uso responsável antes do lançamento, com registro limitado e marca d'água para garantir conformidade e transparência.'

O UP do B站 “小虫哥_” lançou um vídeo de criação secundária de Genshin Impact, imitando a personagem Nahida, mantendo a voz original, com mais de 1,36 milhão de visualizações. O UP utilizou o modelo de síntese de voz VITS, carregando texto de voz para extrair características linguísticas e preservar o tom de voz único dos personagens de Genshin Impact. A tecnologia de clonagem de voz de IA já se popularizou, com ferramentas como HeyGen e AI Dubbing reduzindo a barreira de entrada. A atualização da tecnologia de IA atrai a atenção dos criadores, sendo crucial a criação de obras originais em termos de conteúdo e formato. O artigo explora os princípios do modelo VITS.