synteza mowy

Technologie AI do generowania mowy osiągnęły imponujący poziom realizmu. Coraz częściej znajdują zastosowanie w profesjonalnych produkcjach, zastępując lub uzupełniając pracę ludzi. Osiągnięcie studyjnej jakości, pozbawionej drobnych błędów i nienaturalnych intonacji, nadal bywa wyzwaniem. W odpowiedzi na potrzeby rynku jedna z czołowych firm w tej dziedzinie proponuje rozwiązanie, które łączy wydajność maszyn z precyzją i doświadczeniem człowieka.

Usługi nazywane dziś zbiorczo sztuczną inteligencją są w stanie generować realistyczne obrazy, a nawet wideo, radzą sobie coraz lepiej z tworzeniem muzyki, a nawet z wypowiadaniem określonych zdań ludzkim głosem. W tej ostatniej kategorii właśnie osiągnięto kolejny kamień milowy. Tak przynajmniej twierdzi firma Microsoft, która opracowała drugą generację modelu syntezy mowy o nazwie VALL-E. Potrafi on praktycznie idealnie imitować dowolny głos.

Giganci branży technologicznej często wspierają osoby z niepełnosprawnościami oraz zaburzeniami ruchu, wzroku czy mowy. Zarówno Google, jak i Apple umieszczają w swoich systemach mobilnych szereg dodatków ułatwiających korzystanie ze smartfonów przez użytkowników, dla których tradycyjna nawigacja stanowi nie lada wyznawanie, a niekiedy wręcz przeszkodę nie do pokonania. Również Xiaomi dokłada własną cegiełkę, która – tym razem – jest dedykowana osobom z zaburzeniami mowy. Technologia stworzona...