বার্ক জেনারেটিভ অডিও মডেল

It matters because it treats audio as one continuous creative medium rather than just narration.

বার্ক, 2023 সালে সুনো দ্বারা প্রকাশিত, একটি ভাষার মডেলের মতো শব্দ তৈরি করে বিচ্ছিন্ন টোকেনগুলির একটি ক্রম হিসাবে অডিও তৈরি করে ঐতিহ্যগত পাঠ্য থেকে বক্তৃতা থেকে বিরতি। একটি পরিষ্কার পাইপলাইনের পরিবর্তে যা শুধুমাত্র পরিষ্কার বক্তৃতা তৈরি করে, বার্ক আবেগপ্রবণতার সাথে একটি বাক্য কণ্ঠস্বর করতে পারে, বন্ধনীযুক্ত সংকেতগুলি যেমন [হাসি], [দীর্ঘশ্বাস], বা [সঙ্গীত] এবং এমনকি একটি সুর গুনতে পারে৷ এটি অনেক ভাষা সমর্থন করে এবং একটি একক প্রম্পটের মধ্যে তাদের মধ্যে পরিবর্তন করতে পারে। যেহেতু এটি সম্পূর্ণরূপে উৎপন্ন এবং সম্ভাব্যতামূলক, একই প্রম্পট প্রতিটি সময় ভিন্ন ভিন্ন ফল দেয়। ট্রেড-অফ হল এটি অতিরিক্ত শব্দ বা ড্রিফটকে হ্যালুসিনেট করতে পারে এবং এটি ডেডিকেটেড টিটিএস ইঞ্জিনের তুলনায় ধীর এবং কম নিয়ন্ত্রণযোগ্য। এর আবেদন অভিব্যক্তিপূর্ণ, প্রাণবন্ত এবং আশ্চর্যজনকভাবে মানব অডিও।