XTTS ক্রস-লিঙ্গুয়াল ভয়েস ক্লোনিং

এটি গুরুত্বপূর্ণ কারণ একটি রেকর্ডিং এমন একটি কণ্ঠস্বর হয়ে উঠতে পারে যা ভাষার বাধা অতিক্রম করে।

XTTS, Coqui AI দ্বারা তৈরি, ক্রস-লিঙ্গুয়াল জিরো-শট ভয়েস ক্লোনিংয়ের জন্য ডিজাইন করা হয়েছে। কয়েক সেকেন্ডের মতো সংক্ষিপ্ত একটি রেফারেন্স ক্লিপ থেকে, এটি একজন স্পিকারের কণ্ঠস্বর বৈশিষ্ট্যগুলিকে ক্যাপচার করে এবং তারপরে ইংরেজি, স্প্যানিশ, ফ্রেঞ্চ, ম্যান্ডারিন, আরবি এবং আরও অনেক ভাষায় পাঠ্য সংশ্লেষিত করতে পারে, সমস্ত একই ব্যক্তির মতো শোনাচ্ছে। এটি ভাষা থেকে ভয়েস পরিচয়কে দ্বিগুণ করে, তাই একজন একক স্পিকার সর্বত্র সাবলীল বলে মনে হতে পারে। XTTS v2 স্বাভাবিকতা, স্থিতিশীলতা, এবং সমর্থিত ভাষার সংখ্যা উন্নত করেছে যখন অনুমানকে ব্যবহারিক ব্যবহারের জন্য যথেষ্ট দ্রুত রাখে। ওপেন সোর্স হিসাবে প্রকাশিত, এটি ডাবিং, স্থানীয়করণ এবং অ্যাক্সেসযোগ্যতার জন্য ব্যাপকভাবে গৃহীত হয়েছে। কোকি নিজেই 2024 সালের শুরুর দিকে বন্ধ হয়ে যায়, কিন্তু প্রকাশিত মডেল এবং সম্প্রদায় ফর্কগুলি প্রযুক্তিটিকে জীবিত রাখে এবং সক্রিয়ভাবে ব্যবহৃত হয়।