"Clonación con un solo clic: ¡el recién lanzado GPT-SoVITS V2 deja volar tu voz!

En el rápido desarrollo actual de la tecnología de inteligencia artificial, la tecnología de clonación de voz también ha supuesto un nuevo avance. La segunda generación de GPT-SoVITS, desarrollada conjuntamente por el fundador del cambiador de voz de RVC "Flowers don't cry" y Rcell, el desarrollador de la tecnología de conversión de tonos de IA Sovits, ha sido lanzada oficialmente. Esta avanzada herramienta de clonación de voz y síntesis del habla no sólo simplifica el proceso de operación, sino que también puede clonar rápidamente una voz realista con un número muy reducido de muestras de voz.

Puntos fuertes:

1. Clonación de sonido de alta calidadEl GPT-SoVITS de segunda generación produce un sonido más natural y suave al procesar audio de baja calidad.
2. Soporte multilingüe: Admite la síntesis multiemocional en chino, inglés, japonés, coreano y cantonés.
3. TTS de cero disparos y TTS de pocos disparosEl conjunto de entrenamiento del modo de fondo se amplió a 5.000 horas, lo que mejoró significativamente el rendimiento de la muestra cero, con tonos más realistas y menos conjuntos de datos necesarios.
4. Herramientas de integraciónLa integración de herramientas como UVR5, que incluye la separación del acompañamiento vocal, el troceado del habla, la reducción del ruido, la ASR en chino y la anotación de texto, simplifica el proceso de creación de conjuntos de datos y modelos de formación.
5. Texto optimizado: El chino y el inglés de segunda generación incorporan la optimización de la polifonía para mejorar la precisión del tratamiento de textos.

Última actualización:

1. Mejora de la calidad de la síntesis de vozVersión V2: la versión V2 ha optimizado el audio de referencia de baja calidad (especialmente el audio procedente de la web, con graves frecuencias altas ausentes y sonido amortiguado) para producir una mejor calidad de sonido.
2. Conjunto de entrenamiento ampliadoEl conjunto de entrenamiento se amplía a 5000 horas, lo que mejora el rendimiento de la muestra cero para obtener tonos más realistas.
3. Añadir soporte de idiomasSíntesis entre cinco idiomas: chino, japonés, inglés, coreano y cantonés.
4. Mejora de la interfaz de texto: Actualización iterativa continua, la versión V2 añade la optimización de la polifonía en inglés para mejorar la precisión del tratamiento de textos.
5. nueva función: Se ha añadido el ajuste de la velocidad de voz y el modo de texto sin referencia para ofrecer un mejor troceado en varios idiomas.

Escenarios de aplicación:

• Asistente de voz personalizadoCreación de voces personalizadas para asistentes inteligentes o chatbots con el fin de mejorar la experiencia del usuario.
• doblaje de caracteres virtuales (VCD): Proporciona habla realista para personajes virtuales en juegos, animación o realidad virtual.
• Producción de audiolibrosConvierte texto a voz para producir audiolibros de alta calidad.
• Accesibilidad: Servicios de conversión de texto a voz para discapacitados visuales o disléxicos, con el fin de ayudarles a acceder mejor a la información.
• entretenimiento por vozProduce sonidos falsos, imita voces de famosos y mucho más para ofrecer una experiencia de entretenimiento enriquecedora.
• Protección de la privacidad de la voz: Cambia el tono de voz para proteger la intimidad del usuario.
• asistido por vozAsistencia al habla para personas con discapacidad auditiva, para ayudarles a reconocer y comprender mejor el habla.

Paquete de integración de implementación local de Windows con un solo clic:

Con el fin de reducir el umbral de uso, la comunidad F5 AI ha lanzado la segunda generación de GPT-SoVITS de despliegue local con un solo clic del paquete de integración, para que los usuarios puedan empezar a utilizarlo rápidamente sin necesidad de una configuración compleja del entorno. Después de descargar y desempaquetar el paquete, puede utilizarlo para generar rápidamente audio de alta calidad sin una configuración compleja del entorno.

El lanzamiento de la segunda generación de GPT-SoVITS supone otro salto adelante en la tecnología de clonación de sonido. Tanto los usuarios particulares como las empresas pueden beneficiarse de ella y experimentar un servicio de síntesis de sonido más cómodo y eficaz.