Com o rápido desenvolvimento atual da tecnologia de inteligência artificial, a tecnologia de clonagem de voz também deu início a um novo avanço. A segunda geração do GPT-SoVITS, desenvolvida em conjunto pelo fundador do alterador de voz RVC "Flowers don't cry" e pela Rcell, desenvolvedora da tecnologia de conversão de tons de IA Sovits, foi lançada oficialmente. Essa avançada ferramenta de clonagem de voz e síntese de fala não apenas simplifica o processo de operação, mas também pode clonar rapidamente uma voz realista com um número muito pequeno de amostras de voz.
Principais pontos fortes:
- Clonagem de som de alta qualidadeO GPT-SoVITS de segunda geração produz um som mais natural e suave ao processar áudio de baixa qualidade.
- Suporte a vários idiomasSíntese de emoções múltiplas em vários idiomas: suporta síntese de emoções em chinês, inglês, japonês, coreano e cantonês.
- TTS de amostra zero e TTS de poucos disparosO conjunto de treinamento do modo inferior foi expandido para 5.000 horas, melhorando significativamente o desempenho da amostra zero, com tons mais realistas e menos conjuntos de dados necessários.
- Ferramentas de integraçãoA integração de ferramentas como o UVR5, incluindo separação de acompanhamento vocal, corte de fala, redução de ruído, ASR chinês e anotação de texto, simplifica o processo de criação de conjuntos de dados e modelos de treinamento.
- Front-end de texto otimizadoTradução: "A segunda geração de chinês e inglês incorpora a otimização de polifonia para melhorar a precisão do processamento de texto.
Última atualização:
- Qualidade aprimorada de síntese de falaA versão V2 otimizou o áudio de referência de baixa qualidade (especialmente o áudio de origem da Web com frequências altas muito ausentes e som abafado) para produzir melhor qualidade de som.
- Conjunto de treinamento estendidoO conjunto de treinamento é expandido para 5.000 horas, melhorando o desempenho de amostra zero para tons mais realistas.
- Adicionar suporte a idiomasSíntese entre idiomas: agora há suporte para a síntese entre cinco idiomas, incluindo chinês, japonês, inglês, coreano e cantonês.
- Front-end de texto aprimoradoAtualização iterativa contínua: a versão V2 adiciona otimização de polifonia em inglês para melhorar a precisão do processamento de texto.
- novo recursoAjuste da taxa de fala e modo de texto sem referência adicionados para oferecer melhor divisão de idiomas mistos.
Cenários de aplicativos:
- Assistente de voz personalizadoCrie vozes personalizadas para assistentes inteligentes ou chatbots para aprimorar a experiência do usuário.
- dublagem virtual de caracteres (VCD)Fala realista para personagens virtuais em jogos, animação ou realidade virtual.
- Produção de audiolivrosConversão de conteúdo de texto em fala para produzir audiolivros de alta qualidade.
- AcessibilidadeServiços de conversão de texto em fala para deficientes visuais ou disléxicos para ajudá-los a acessar melhor as informações.
- entretenimento por vozProduzir áudio falso, imitar vozes de celebridades e muito mais para proporcionar uma experiência de entretenimento rica.
- Proteção da privacidade da vozAltere o tom de voz para proteger a privacidade do usuário.
- auxiliado por vozAssistência à fala para deficientes auditivos para ajudá-los a reconhecer e entender melhor a fala.
Pacote de integração de implantação local do Windows com um clique:
Para reduzir o limite de uso, a comunidade de IA da F5 lançou a segunda geração do GPT-SoVITS, a implantação local com um clique do pacote de integração, para que os usuários possam começar rapidamente sem configurações complexas do ambiente. Depois de fazer o download e descompactar o pacote, você pode usá-lo para gerar rapidamente áudio de alta qualidade sem configurações complexas do ambiente.
O lançamento da segunda geração do GPT-SoVITS marca outro avanço na tecnologia de clonagem de som. Tanto os usuários individuais quanto as empresas podem se beneficiar dela e experimentar um serviço de síntese de som mais conveniente e eficiente.
Português do Brasil