बार्क जनरेटिव ऑडियो मॉडल

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

2023 में सुनो द्वारा जारी बार्क, अलग-अलग टोकन के अनुक्रम के रूप में ऑडियो उत्पन्न करके पारंपरिक टेक्स्ट-टू-स्पीच को तोड़ता है, जैसे एक भाषा मॉडल शब्दों को उत्पन्न करता है। एक स्वच्छ पाइपलाइन के बजाय जो केवल स्वच्छ भाषण उत्पन्न करती है, बार्क भावनात्मक मोड़ के साथ एक वाक्य को आवाज दे सकता है, [हंसते हुए], [आहें], या [संगीत] जैसे ब्रैकेटेड संकेतों में फेंक सकता है, और यहां तक ​​​​कि एक धुन भी गुनगुना सकता है। यह कई भाषाओं का समर्थन करता है और एक ही प्रॉम्प्ट में उनके बीच स्विच कर सकता है। क्योंकि यह पूरी तरह से उत्पादक और संभाव्य है, एक ही संकेत हर बार अलग-अलग परिणाम देता है। व्यापार-बंद यह है कि यह अतिरिक्त ध्वनियों या बहाव को मतिभ्रम कर सकता है, और यह समर्पित टीटीएस इंजनों की तुलना में धीमा और कम नियंत्रणीय है। इसकी अपील अभिव्यंजक, सजीव और आश्चर्यजनक रूप से मानवीय ऑडियो है।