智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號(hào)
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
300W開(kāi)放式電源轉(zhuǎn)換器TPP300-124A-M
開(kāi)放式電源,TPP300-112M,TRACO電源品牌
TRACOPOWER
亞馬遜的Alexa、Google助手和其他人工智能助手的聲音遠(yuǎn)遠(yuǎn)居于老式的GPS設(shè)備前列，但它們?nèi)匀蝗狈?jié)奏、音調(diào)和聽(tīng)上去讓人感覺(jué)真實(shí)的品質(zhì)，NVIDIA公司在Interspeech 2021會(huì)議上宣布，該公司已經(jīng)公布了新的技術(shù)和工具，可以通過(guò)讓你用自己的聲音訓(xùn)練AI系統(tǒng)來(lái)捕捉這些自然的語(yǔ)音品質(zhì)。
為了改進(jìn)其人工智能語(yǔ)音合成，NVIDIA的文本-語(yǔ)音研究團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)名為RAD-TTS的模型，這是NAB廣播大會(huì)上開(kāi)發(fā)逼真化身的比賽的獲勝作品。該系統(tǒng)允許個(gè)人用自己的聲音訓(xùn)練文字轉(zhuǎn)語(yǔ)音模型，包括節(jié)奏、音調(diào)、音色等等。
RAD-TTS的另一個(gè)特點(diǎn)是語(yǔ)音轉(zhuǎn)換，它可以讓用戶(hù)用另一個(gè)人的聲音來(lái)傳遞一個(gè)說(shuō)話(huà)者的話(huà)語(yǔ)。該界面可以對(duì)合成的聲音的音調(diào)、持續(xù)時(shí)間和能量進(jìn)行精細(xì)的、幀級(jí)的控制。
利用這項(xiàng)技術(shù)，NVIDIA的研究人員為自己的《我是人工智能》系列視頻創(chuàng)造了更多聽(tīng)起來(lái)像對(duì)話(huà)的語(yǔ)音解說(shuō)，使用的是合成的聲音而不是人的聲音。其目的是讓解說(shuō)詞與視頻的語(yǔ)氣和風(fēng)格相匹配，這是迄今為止許多人工智能解說(shuō)視頻中沒(méi)有做到的。結(jié)果仍然有點(diǎn)像機(jī)器人，但比我聽(tīng)過(guò)的任何人工智能解說(shuō)都好。
"有了這個(gè)界面，我們的視頻制作人可以錄下自己閱讀視頻腳本的過(guò)程，然后用人工智能模型將他的語(yǔ)音轉(zhuǎn)換為女解說(shuō)員的聲音。"NVIDIA公司寫(xiě)道："利用這一基線(xiàn)旁白，制作人可以像配音演員一樣指揮人工智能--調(diào)整合成的語(yǔ)音以強(qiáng)調(diào)特定的詞語(yǔ)，并修改旁白的節(jié)奏以更好地表達(dá)視頻的基調(diào)。"
NVIDIA公司正在分發(fā)這項(xiàng)研究的一部分--當(dāng)然是為了在NVIDIAGPU上有效運(yùn)行而進(jìn)行的優(yōu)化--通過(guò)用于GPU加速的對(duì)話(huà)式人工智能的NVIDIA NeMo Python工具包(可在該公司的容器和其他軟件的NGC中心獲得)，向任何想要嘗試的人開(kāi)放源代碼。其中幾個(gè)模型是在NVIDIA DGX系統(tǒng)上用數(shù)萬(wàn)小時(shí)的音頻數(shù)據(jù)訓(xùn)練出來(lái)的。開(kāi)發(fā)人員可以針對(duì)他們的使用情況對(duì)任何模型進(jìn)行微調(diào)，利用NVIDIA Tensor Core GPU上的混合精度計(jì)算加快訓(xùn)練速度。
(原標(biāo)題：NVIDIA的最新技術(shù)使人工智能的聲音更具表現(xiàn)力和真實(shí)感)
浙公網(wǎng)安備 33010602000006號(hào)
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號(hào)
