متا از هوش مصنوعی جدید خود به نام Voicebox رونمایی کرد

متا از ابزار هوش مصنوعی جدیدی رونمایی کرده است که علاوه بر انجام کارهای متفاوت، مهمترین قابلیت آن تبدیل متن به صدا و تبدیل آن به زبان های دیگر است.

به گزارش سرویس اخبار فناوری و تکنولوژی تکنا، هوش مصنوعی جدید متا به نام Voicebox قادر است عملکردهای متفاوتی داشته باشد. تبدیل متن به صدا و کاهش نویز به همراه ویرایش صدا یکی از آنهاست. همچنین نمونه صوتی دریافتی را به زبان های دیگر تبدیل می کند. عملکرد آن در تبدیل متن به صدا شبیه به عملکرد ChatGPT و DALL-E است.

متا مدل جدید هوش مصنوعی خود را یک مدل هماهنگ سازی جریان خودکار و تکمیل کننده صدا بر اساس زمینه و متن معرفی کرده است. برای آموزش این مدل از ۵۰ هزار ساعت صدای فیلتر نشده مانند کتاب های صوتی به زبان های انگلیسی، فرانسوی، اسپانیایی، آلمانی، لهستانی و … استفاده شد.

همچنین این مدل می تواند سبک گفتاری را از یک زبان به زبان دیگر تغییر دهد. طبق اعلام شرکت سازنده این مدل قادر است متن ها را از یک زبان به زبانی دیگر ترجمه کند و شکل گفتاری زبان مقصد نیز همان طور بماند.

به دلیل داده های ورودی بسیار متنوع صداهای ساخته شده توسط این مدل بسیار به صدای طبیعی شبیه است. متا در این مورد می گوید: این مدل قادر به حذف نویز و ویرایش صدا است. همچنین امکان تصحیح کلماتی که اشتباه تلفظ شده اند وجود دارد. آموزش این مدل از روش جدید متا به نام هماهنگ ساز جریان استفاده کرده و نیاز به حجم بالای داده های ورودی را کاهش داده است. طبق بنچمارک های منتشر شده این مدل خطای کمتری نسبت به دیگر سیستم های تبدیل متن به صدا داشته است.