Tạo giọng nói khớp với luồng hộp thoại
Hộp thoại là mô hình tạo giọng nói hướng dẫn bằng văn bản của Meta được đào tạo với mục tiêu khớp luồng để 'lấp đầy' âm thanh bị che giấu, cho phép một mô hình thực hiện sao chép giọng nói không cần chỉnh sửa, loại bỏ tiếng ồn, chỉnh sửa nội dung và tổng hợp đa ngôn ngữ.
Tổng quan
Nó quan trọng vì, giống như một mô hình ngôn ngữ cho giọng nói, nó tổng quát hóa cho nhiều nhiệm vụ mà nó chưa từng được huấn luyện cụ thể.
Lặn sâu
Hộp thoại, do Meta AI công bố vào năm 2023, được đào tạo về một nhiệm vụ duy nhất: dựa trên bối cảnh âm thanh xung quanh và văn bản tương ứng, dự đoán phần bị che giấu của bài phát biểu. Công thức 'trong ngữ cảnh' hay công thức lấp đầy này, về mặt khái niệm được vay mượn từ các mô hình ngôn ngữ lớn, có nghĩa là cùng một mô hình xử lý các công việc đa dạng khi suy luận bằng cách chọn những gì cần che giấu. Xóa một từ sai chính tả và Hộp thoại sẽ tạo lại từ đó bằng cùng một giọng nói; cung cấp hai giây bài phát biểu của ai đó làm ngữ cảnh và nó tổng hợp các câu mới bắt chước âm sắc và phong cách của họ; che giấu các phân đoạn ồn ào và tạo ra sự thay thế sạch sẽ. Các kết quả được báo cáo cho thấy chất lượng chuyển văn bản thành giọng nói mạnh mẽ và tốc độ tạo nhanh hơn nhiều so với các hệ thống tự hồi quy dựa trên khuếch tán có thể so sánh được, đồng thời hỗ trợ một số ngôn ngữ từ một mô hình.
Hiểu biết kỹ thuật
Hộp thoại sử dụng tính năng khớp luồng có điều kiện, đào tạo mô hình thời gian liên tục để tìm hiểu trường vận tốc mượt mà truyền tiếng ồn ngẫu nhiên đến các đặc điểm giọng nói thực, được điều chỉnh dựa trên văn bản và âm thanh không bị che giấu. So với khuếch tán, việc so khớp dòng có thể được giải bằng bộ giải phương trình vi phân thông thường trong tương đối ít bước, cắt giảm chi phí suy luận. Bằng cách đóng khung mọi khả năng dưới dạng 'dự đoán bối cảnh âm thanh được che giấu', một mạng không tự hồi quy duy nhất sẽ học cách chỉnh sửa, sao chép và khử nhiễu mà không cần các đầu nhiệm vụ cụ thể hoặc các đợt đào tạo riêng biệt.
Tác động chiến lược
Truy cập và tiếp cận
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
Chi phí và ngân sách
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
Tốc độ và tỷ lệ
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
Tương lai của việc tạo giọng nói khớp với luồng hộp thoại
Việc tạo giọng nói khớp với dòng chảy sẵn sàng củng cố các mô hình giọng nói phổ quát giúp chỉnh sửa, dịch và định kiểu lại âm thanh một cách trôi chảy như trình soạn thảo văn bản xử lý các từ. Mong đợi các tác nhân đàm thoại theo thời gian thực, bảo toàn giọng nói đa ngôn ngữ trong bản dịch và khôi phục độ chính xác cao của các bản ghi bị hỏng. Vì cùng một công nghệ cho phép sao chép giọng nói một cách thuyết phục nên Meta ban đầu đã giữ lại mô hình này và thúc đẩy nghiên cứu về phát hiện giọng nói tổng hợp — và hình mờ nguồn gốc, khung chấp thuận và công cụ phát hiện sẽ là trọng tâm của quá trình triển khai có trách nhiệm.
Triển khai trong thế giới thực
Chỉnh sửa podcast bằng cách nhập một từ đã sửa và nói lại từ đó bằng giọng của người nói ban đầu
Nhân bản giọng nói không bị gián đoạn chỉ từ vài giây âm thanh tham chiếu
Loại bỏ tiếng ồn nhất thời bằng cách che và tái tạo các đoạn giọng nói rõ ràng
Tổng hợp giọng nói của cùng một người nói trên nhiều ngôn ngữ từ một mô hình
Rủi ro & lan can
Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Lộ trình thực hiện
Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Voicebox Flow-Matching Speech Generation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Kết hợp dòng chảy
Câu hỏi thường gặp
Voicebox Matching Flowing Speech Generation là gì?
Hộp thoại là mô hình tạo giọng nói hướng dẫn bằng văn bản của Meta được đào tạo với mục tiêu khớp luồng để 'lấp đầy' âm thanh bị che giấu, cho phép một mô hình thực hiện sao chép giọng nói không cần chỉnh sửa, loại bỏ tiếng ồn, chỉnh sửa nội dung và tổng hợp đa ngôn ngữ. Nó quan trọng bởi vì, giống như một mô hình ngôn ngữ cho lời nói, nó khái quát hóa nhiều nhiệm vụ mà nó chưa bao giờ được đào tạo rõ ràng.
Voicebox được tối ưu hóa cho nhiệm vụ đào tạo nào?
Hộp thoại được đào tạo để lấp đầy các phần giọng nói bị che giấu bằng cách sử dụng âm thanh và văn bản xung quanh, một công thức trong ngữ cảnh lấy cảm hứng từ các mô hình ngôn ngữ.
Voicebox sử dụng kỹ thuật tổng hợp nào thay vì khuếch tán?
Hộp thoại sử dụng tính năng khớp luồng có điều kiện, tìm hiểu trường vận tốc truyền tiếng ồn đến các tính năng giọng nói và có thể được giải quyết một cách hiệu quả bằng bộ giải ODE.
Hộp thoại thực hiện sao chép giọng nói không cần nhấn nút như thế nào?
Đưa ra một đoạn clip tham khảo ngắn làm bối cảnh được tiết lộ, Voicebox tổng hợp các câu mới phù hợp với âm sắc và phong cách của người nói mà không cần đào tạo lại.
Tại sao ban đầu Meta giữ lại mô hình Hộp thoại đầy đủ?
Bởi vì mô hình có thể sao chép giọng nói một cách thuyết phục nên Meta đã giữ lại và nhấn mạnh vào nghiên cứu phát hiện giọng nói tổng hợp.
Làm cách nào để một mô hình xử lý việc chỉnh sửa, sao chép và khử nhiễu trong Hộp thoại?
Tất cả các khả năng đều hướng tới cùng một mục tiêu; việc thay đổi những gì bị che giấu khi suy luận sẽ mang lại sự chỉnh sửa, sao chép hoặc loại bỏ nhiễu khỏi một mô hình.