Преглед
VALL-E преформулира преобразуването на текст в говор като проблем с езиковото моделиране върху токените за аудио кодек, позволявайки гласово клониране само от три секунди от проба. Той показа, че същото предвиждане на следващ токен, захранващо текстови LLM, може да генерира забележително естествена, изразителна реч.
VALL-E и Codec Language Models се намират в аудио-AI работни потоци, които трансформират реч, музика и звук за комуникация, достъпност и медийно производство.
Дълбоко гмуркане
Обявен от Microsoft в началото на 2023 г., VALL-E третира синтеза на реч като езиково моделиране. Вместо да предсказва спектрограма, той предсказва дискретните акустични токени на невронния кодек (EnCodec), така че генерирането става предсказване на следващ токен над аудио речник. Като се има предвид 3-секунден запис на невидян говорител плюс целевия текст, VALL-E продължава в гласа на този говорител, запазвайки тембъра и дори акустичната среда. Той беше обучен на приблизително 60 000 часа реч, значително повече от типичните TTS набори от данни, което му даде силно клониране с нулев удар. Тъй като кодечните токени са наслоени (чрез RVQ), VALL-E използва два етапа: авторегресивен модел прогнозира първия, груб поток от токени, обусловен от подканата, а неавторегресивен модел попълва останалите детайлни токени. Тази рецепта за кодек-LM вдъхнови наследници като VALL-E 2 и много модели на основа за реч.
Техническа информация
Номерът е хибридното декодиране върху йерархични кодеци. Етапът на авторегресия предвижда най-важните токени от първата кодова книга един по един, улавяйки прозодията и съдържанието. Останалите кодови книги, които добавят фини акустични детайли, се предсказват паралелно от неавторегресивен модел, обусловен от първия поток и подканата на високоговорителя. Това разделяне поддържа високо качество, като същевременно избягва разходите за последователно генериране на всеки токен, а използването на кодек означава, че речта и текстът могат да бъдат моделирани с една и съща машина за трансформиране.
Овладяване на езикови модели VALL-E и Codec
VALL-E преформулира преобразуването на текст в говор като проблем с езиковото моделиране върху токените за аудио кодек, позволявайки гласово клониране само от три секунди от проба. Той показа, че същото предвиждане на следващ токен, захранващо текстови LLM, може да генерира забележително естествена, изразителна реч. VALL-E и Codec Language Models се намират в аудио-AI работни потоци, които трансформират реч, музика и звук за комуникация, достъпност и медийно производство. За да изградите дълбоко разбиране, третирайте VALL-E и кодечните езикови модели като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно от това, което все още изисква експертна преценка.
На практика силните екипи, използващи VALL-E и кодечни езикови модели, третират качеството, латентността и съгласието като еднакво важни части от стратегията за внедряване. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Той подобрява достъпността чрез интерфейси за транскрипция, дикторски текст и глас. В същото време рисковете от злоупотреба с глас и имитация се увеличават, когато липсва съгласие. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Той подобрява достъпността чрез интерфейси за транскрипция, дикторски текст и глас.
Той подобрява достъпността чрез интерфейси за транскрипция, дикторски текст и глас. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Медийните екипи могат да доставят изпипано аудио по-бързо с по-малки бюджети.
Медийните екипи могат да доставят изпипано аудио по-бързо с по-малки бюджети. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Системите, насочени към клиента, могат да обработват устни взаимодействия в по-голям мащаб.
Системите, насочени към клиента, могат да обработват устни взаимодействия в по-голям мащаб. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Клониране на глас от няколко секунди аудио за персонализирани асистенти или инструменти за достъпност, които възстановяват изгубен глас
Локализиране и дублиране на видео на други езици при запазване на тембъра на оригиналния говорител
Генериране на експресивен, съобразен с контекста разказ, който запазва акустичната среда на записа
Служи като говорен гръбнак в мултимодални асистенти, които едновременно разбират и произвеждат говорен звук
Модели на изпълнение
Езикови модели VALL-E и Codec на практика
Клониране на глас от няколко секунди аудио за персонализирани асистенти или инструменти за достъпност, които възстановяват изгубен глас.
Клониране на глас от няколко секунди аудио за персонализирани асистенти или инструменти за достъпност, които възстановяват изгубен глас Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Езикови модели VALL-E и Codec на практика
Локализиране и дублиране на видео на други езици при запазване на тембъра на оригиналния говорител.
Локализиране и дублиране на видео на други езици при запазване на тембъра на оригиналния говорещ Екипите обикновено получават по-добри резултати, когато определят праговете за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Езикови модели VALL-E и Codec на практика
Генериране на експресивен, съобразен с контекста разказ, който запазва акустичната среда на записа.
Генериране на експресивен, съобразен с контекста разказ, който запазва акустичната среда на записа. Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество отпред, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Езикови модели VALL-E и Codec на практика
Служи като говорен гръбнак в мултимодални асистенти, които едновременно разбират и произвеждат говорен звук.
Служейки като говорен гръбнак в мултимодални асистенти, които едновременно разбират и произвеждат устно аудио, Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Рисковете от злоупотреба с глас и имитация се увеличават, когато липсва съгласие.
Точността може да спадне при акценти, диалекти или шумна среда.
Синтетичното аудио може да бъде сбъркано с автентична реч без ясно етикетиране.
Пътна карта за изпълнение
Получете изрично съгласие за улавяне на глас, клониране и повторно използване.
Получете изрично съгласие за улавяне на глас, клониране и повторно използване. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Тествайте качеството при различни високоговорители и фонови условия.
Тествайте качеството при различни високоговорители и фонови условия. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Определете кога човек трябва да прегледа или одобри резултатите.
Определете кога човек трябва да прегледа или одобри резултатите. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Етикетирайте синтетичното аудио и поддържайте записи за произход за отчетност.
Етикетирайте синтетичното аудио и поддържайте записи за произход за отчетност. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.