Ua makemake paha ʻoe e lohe i kāu mea punahele e kamaʻilio pū me ʻoe? Ke hele mālie nei ke kikokikona kani kūlohelohe me ke kōkua o ke aʻo ʻana i ka mīkini.
No ka laʻana, hoʻohana ʻia ke kumu hoʻohālike NAT TTS a Google e mana i kā lākou mea hou Leo Kuʻuna lawelawe. Hoʻohana kēia lawelawe i nā ʻupena neural e hana i kahi leo i aʻo ʻia mai nā hoʻopaʻa leo. Nā polokalamu pūnaewele e like me Uberduck hāʻawi i mau haneli leo na ʻoe e koho mai e hana i kāu kikokikona synthesized.
Ma kēia ʻatikala, e nānā mākou i ka hiʻohiʻona AI maikaʻi a like me ka enigmatic i kapa ʻia ʻo 15.ai. Hana ʻia e kahi mea hoʻomohala inoa ʻole, ʻo ia paha kekahi o nā mea maikaʻi loa a me ka emotive nā kumu hoʻohālike kikokikona i ka ʻōlelo pēlā.
He aha ka 15.ai?
15.ai he polokalamu pūnaewele AI hiki iā ia ke hoʻopuka i nā leo kikokikona-i-speech emotive. Hiki i nā mea hoʻohana ke koho mai nā leo like ʻole mai Spongebob Squarepants a HAL 9000 mai 2001: A Space Odyssey.
Ua hoʻomohala ʻia ka papahana e kekahi mea noiʻi MIT mua ʻole e hana ana ma lalo o ka inoa ʻo 15. Ua ʻōlelo ka mea hoʻomohala ua hoʻomaka mua ʻia ka papahana ma ke ʻano he papahana ʻo Undergraduate Research Opportunities Program.
Nui nā leo i loaʻa ma 15.ai i hoʻomaʻamaʻa ʻia ma nā ʻikepili lehulehu o nā huaʻōlelo mai My Little Pony: Friendship is Magic. Ua hoʻoikaika pū ka poʻe avid o ka hōʻike e hōʻiliʻili, kākau, a hoʻoponopono i nā hola o ke kamaʻilio me ka pahuhopu o ka hana ʻana i nā mea hoʻopuka kikokiko-i-speech pololei o kā lākou mau mea punahele.
He aha ka 15.ai e hana ai?
Ke hana nei ka palapala noi pūnaewele 15.ai ma ke koho ʻana i hoʻokahi o nā kakini o nā kiʻi moʻokalaleo i hoʻomaʻamaʻa ʻia ke kumu hoʻohālike a me ka waiho ʻana i nā kikokikona hoʻokomo. Ma hope o ke kaomi ʻana i Generate, pono e loaʻa i ka mea hoʻohana ʻekolu mau leo leo o ke ʻano moʻokalaleo e ʻōlelo ana i nā laina i hāʻawi ʻia.
Mai ka haʻawina hohonu ʻAʻole hoʻohālikelike ʻia ke ʻano hoʻohālike i hoʻohana ʻia, hoʻopuka ʻo 15.ai i kahi ʻōlelo ʻokoʻa iki i kēlā me kēia manawa. E like me ke koi 'ana o ka mea keaka i nā mea he nui no ka lawe 'ana i ka pono, hana 'o 15.ai i nā 'ano ho'ouna 'oko'a i kēlā me kēia manawa a hiki i ka 'ike 'ana o ka mea ho'ohana i ka ho'opuka 'ana.
Aia ka papahana i kahi hiʻohiʻona kūikawā e hiki ai i nā mea hoʻohana ke hoʻololi lima i ka manaʻo o ka laina i hana ʻia me ka hoʻohana ʻana i nā contextualizers. Hiki i kēia mau ʻāpana ke unuhi i ka manaʻo o ka mea hoʻohana-hoʻokomo emojis e hoʻohana ana i ka MIT DeepMoji hoohalike.
Wahi a ka mea hoʻomohala, ʻo ka mea e hoʻokaʻawale ai iā 15.ai mai nā papahana TTS like ʻole ʻo ia ka hilinaʻi o ke kumu hoʻohālike i nā ʻikepili liʻiliʻi loa e hoʻopaʻa pono i nā leo ʻoiai "mālama ʻia nā manaʻo a me ke kūlohelohe".
Pehea ka hana ana o 15.ai?
E nānā kākou i ka ʻenehana ma hope o 15.ai.
ʻO ka mea mua, ʻōlelo ka mea hoʻomohala nui o 15.ai e hoʻohana ana ka papahana i kahi hiʻohiʻona maʻamau e hoʻopuka i nā leo me nā ʻano o ka manaʻo. No ka mea ʻaʻole i hoʻopuka ka mea kākau i kahi pepa kikoʻī e pili ana i ka papahana, hiki iā mākou ke hana i nā manaʻo ākea o nā mea e hana nei ma hope o nā hiʻohiʻona.
Hoihoi i na Phonemes
ʻO ka mua, e nānā kākou i ke ʻano o ka hoʻokaʻawale ʻana o ka papahana i ka kikokikona hoʻokomo. Ma mua o ka hiki ʻana i ka polokalamu ke hoʻopuka i ka haʻiʻōlelo, pono ia e hoʻohuli i kēlā me kēia huaʻōlelo i loko o kāna hōʻiliʻili kelepona. No ka laʻana, ua haku ʻia ka huaʻōlelo "ʻīlio" i ʻekolu phonemes: /d/, /ɒ/, a me /ɡ/.
Akā, pehea e ʻike ai ʻo 15.ai i nā phonemes e hoʻohana ai no kēlā me kēia huaʻōlelo?
Wahi a ka ʻaoʻao About a 15.ai, hoʻohana ka papahana i ka papa kuhikuhi puke. Hoʻohana ka papa ʻaina i ka Oxford Dictionaries API, Wiktionary, a me ka CMU Pronouncing Dictionary ma ke ʻano he kumu. Hoʻohana ʻo 15.ai i nā pūnaewele ʻē aʻe e like me Reddit a me Urban Dictionary i kumu no nā huaʻōlelo a me nā huaʻōlelo hou.
Inā ʻaʻohe huaʻōlelo i hāʻawi ʻia i loko o ka puke wehewehe ʻōlelo, e unuhi ʻia kona haʻi ʻana me ka hoʻohana ʻana i nā lula phonological i aʻo ʻia e ke kumu hoʻohālike mai ka LibriTTS papa helu. ʻO kēia pūʻulu helu he corpus–he pūʻulu helu o nā huaʻōlelo i kākau ʻia a ʻōlelo ʻia paha ma ka ʻōlelo ʻōiwi a i ʻole ka dialect–ma kahi o 585 mau hola o ka poʻe e ʻōlelo Pelekania.
Hoʻokomo i nā manaʻo
Wahi a ka mea hoʻomohala, hoʻāʻo ke kumu hoʻohālike e kuhi i ka manaʻo i ʻike ʻia o ka kikokikona hoʻokomo. Hoʻokō ke kumu hoʻohālike i kēia hana ma o DeepMoji kālailai manaʻo kumu hoʻohālike. Ua aʻo ʻia kēia hiʻohiʻona ma nā piliona tweets me ka emojis me ka pahuhopu e hoʻomaopopo i ka hoʻohana ʻana o ka ʻōlelo e hōʻike i nā manaʻo. Hoʻokomo ʻia ka hopena o ke kŘkohu i loko o ke kŘkohu TTS no ka hoʻoponopono ʻana i ka hopena i ka manaʻo i makemake ʻia.
Ke lawe ʻia nā phonemes a me nā manaʻo mai ka kikokikona hoʻokomo, ʻo ka manawa kēia e synthesize i ka ʻōlelo.
Hoʻopili leo a me ka Synthesis
ʻIke ʻia nā hiʻohiʻona kikokikona-i-speech e like me 15.ai he mau hiʻohiʻona multi-speaker. Ua kūkulu ʻia kēia mau hiʻohiʻona i hiki ke aʻo i ka ʻōlelo ʻana i nā leo like ʻole. I mea e hoʻomaʻamaʻa pono ai i kā mākou kumu hoʻohālike, pono mākou e ʻimi i kahi ala e unuhi ai i nā hiʻohiʻona leo kūʻokoʻa a hōʻike iā ia ma ke ala e hiki ai i ke kamepiula ke hoʻomaopopo. Ua kapa ʻia kēia kaʻina hana ʻo ka hoʻokomo ʻana i ka leo.
Hoʻohana ʻia nā kumu hoʻohālike kikokikona-a-ʻōlelo nā hanana laulā e hana i ka hoʻopuka leo maoli. ʻElua mau ʻāpana nui o ka neural network: kahi encoder a me kahi decoder.
Ho'āʻo ka encoder e kūkulu i hoʻokahi vector hōʻuluʻulu manaʻo ma muli o nā vectors hoʻokomo like ʻole. Hoʻokomo ʻia ka ʻike e pili ana i nā phonemes, nā ʻano emotive, a me nā hiʻohiʻona leo i loko o ka encoder e hana i kahi hōʻike o ka mea e pono ai ka hopena. A laila hoʻololi ka decoder i kēia hōʻike i ka leo a hoʻopuka i kahi helu hilinaʻi.
A laila, hoʻihoʻi ka polokalamu pūnaewele 15.ai i nā hopena kiʻekiʻe ʻekolu me ka helu hilinaʻi maikaʻi loa.
aʻe o
Me ka piʻi ʻana o nā mea i hana ʻia e AI e like me deepfakes, ka hoʻomohala ʻana i AI kiʻekiʻe e hiki ke hoʻohālike i ka poʻe maoli hiki ke lilo i pilikia koʻikoʻi koʻikoʻi.
I kēia manawa, ʻo nā leo āu e koho ai mai ka palapala noi pūnaewele 15.ai he mau moʻolelo noʻonoʻo. Akā naʻe, ʻaʻole ia i kāpae i ka app mai ka hoʻopaʻapaʻa ʻana ma ka pūnaewele.
Ua hoʻihoʻi hou kekahi mau mea leo leo i ka hoʻohana ʻana i ka ʻenehana leo cloning. ʻO nā mea hopohopo mai lākou e pili ana i ka hoʻopili ʻana, ka hoʻohana ʻana i ko lākou leo ma nā ʻike kikoʻī, a me ka hiki ke hoʻolilo i ka ʻenehana i ka hana o ka mea hoʻokani leo.
Ua loaʻa kekahi hoʻopaʻapaʻa ʻē aʻe ma mua o 2022 i ka wā i ʻike ʻia ai kahi hui i kapa ʻia ʻo Voiceverse NFT e hoʻohana ana iā 15.ai e hoʻopuka i nā ʻike no kā lākou hoʻolaha kūʻai.
Panina
Ua laha nui ka kikokikona i ka olelo i ke ola o kela la i keia la. Nā kōkua leo, nā mea hoʻokele GPS. a ua lilo nā kelepona ʻakomi i wahi maʻamau. Eia nō naʻe, ʻaʻole lawa kēia mau noi i hiki ke haʻi iā mākou he ʻōlelo i hana ʻia e ka mīkini.
Hiki i ka ʻenehana TTS kani kūlohelohe a me ka emotive ke wehe i ka puka no nā noi hou. Eia nō naʻe, ʻoi aku ka maikaʻi o ka nīnau ʻana i ke ʻano o ka leo cloning. ʻOiaʻiʻo he mea kūpono ke kumu i makemake ʻole ai ka nui o kēia mau mea noiʻi e kaʻana like i ka algorithm me ka lehulehu.
Waiho i ka Reply