智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
爽風(fēng)
亞馬遜的Alexa、Google助手和其他人工智能助手的聲音遠(yuǎn)遠(yuǎn)居于老式的GPS設(shè)備前列，但它們?nèi)匀蝗狈?jié)奏、音調(diào)和聽上去讓人感覺真實的品質(zhì)，NVIDIA公司在Interspeech 2021會議上宣布，該公司已經(jīng)公布了新的技術(shù)和工具，可以通過讓你用自己的聲音訓(xùn)練AI系統(tǒng)來捕捉這些自然的語音品質(zhì)。
為了改進(jìn)其人工智能語音合成，NVIDIA的文本-語音研究團(tuán)隊開發(fā)了一個名為RAD-TTS的模型，這是NAB廣播大會上開發(fā)逼真化身的比賽的獲勝作品。該系統(tǒng)允許個人用自己的聲音訓(xùn)練文字轉(zhuǎn)語音模型，包括節(jié)奏、音調(diào)、音色等等。
RAD-TTS的另一個特點(diǎn)是語音轉(zhuǎn)換，它可以讓用戶用另一個人的聲音來傳遞一個說話者的話語。該界面可以對合成的聲音的音調(diào)、持續(xù)時間和能量進(jìn)行精細(xì)的、幀級的控制。
利用這項技術(shù)，NVIDIA的研究人員為自己的《我是人工智能》系列視頻創(chuàng)造了更多聽起來像對話的語音解說，使用的是合成的聲音而不是人的聲音。其目的是讓解說詞與視頻的語氣和風(fēng)格相匹配，這是迄今為止許多人工智能解說視頻中沒有做到的。結(jié)果仍然有點(diǎn)像機(jī)器人，但比我聽過的任何人工智能解說都好。
"有了這個界面，我們的視頻制作人可以錄下自己閱讀視頻腳本的過程，然后用人工智能模型將他的語音轉(zhuǎn)換為女解說員的聲音。"NVIDIA公司寫道："利用這一基線旁白，制作人可以像配音演員一樣指揮人工智能--調(diào)整合成的語音以強(qiáng)調(diào)特定的詞語，并修改旁白的節(jié)奏以更好地表達(dá)視頻的基調(diào)。"
NVIDIA公司正在分發(fā)這項研究的一部分--當(dāng)然是為了在NVIDIAGPU上有效運(yùn)行而進(jìn)行的優(yōu)化--通過用于GPU加速的對話式人工智能的NVIDIA NeMo Python工具包(可在該公司的容器和其他軟件的NGC中心獲得)，向任何想要嘗試的人開放源代碼。其中幾個模型是在NVIDIA DGX系統(tǒng)上用數(shù)萬小時的音頻數(shù)據(jù)訓(xùn)練出來的。開發(fā)人員可以針對他們的使用情況對任何模型進(jìn)行微調(diào)，利用NVIDIA Tensor Core GPU上的混合精度計算加快訓(xùn)練速度。
(原標(biāo)題：NVIDIA的最新技術(shù)使人工智能的聲音更具表現(xiàn)力和真實感)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
