Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

NVIDIA vừa ra mắt bộ mô hình chuyển văn bản thành giọng nói (TTS) tiên tiến, giúp nâng cao khả năng AI giọng nói trên nhiều nền tảng. Các mô hình TTS Riva mới, bao gồm Magpie TTS Multilingual, Magpie TTS Zeroshot và Magpie TTS Flow, cải thiện đáng kể độ tự nhiên của giọng nói và độ chính xác trong phát âm. Các mô hình này được thiết kế để hoạt động liền mạch tại chỗ, trên đám mây, trên các thiết bị biên và trên các thiết bị nhúng, đồng thời đáp ứng nhiều ứng dụng từ trợ lý kỹ thuật số đến lồng tiếng trong phòng thu.

Mô hình Magpie TTS Multilingual vượt trội về khả năng tương tác giọng nói đa ngôn ngữ, trong khi Magpie TTS Zeroshot cho phép sao chép giọng nói với số lượng mẫu giọng nói tối thiểu. Trong khi đó, Magpie TTS Flow được tối ưu hóa cho các ứng dụng yêu cầu tường thuật chất lượng cao, chẳng hạn như podcast và sách nói. Các mô hình này tận dụng kiến trúc biến đổi mã hóa-giải mã để cung cấp khả năng tổng hợp giọng nói theo thời gian thực với latency thấp và độ chính xác cao.

Phương pháp tổng hợp giọng nói của NVIDIA kết hợp các kỹ thuật tiên tiến như căn chỉnh ưu tiên và hướng dẫn không phân loại để giảm thiểu các vấn đề thường gặp trong AI giọng nói, chẳng hạn như giọng nói đầu ra gây hiểu lầm và phát âm không cần thiết. Các mô hình đã được đánh giá nghiêm ngặt về độ tự nhiên và độ tương đồng của người nói, đạt điểm cao ngay cả với dữ liệu đào tạo hạn chế. Ngoài ra, các mô hình này hỗ trợ nhiều ngôn ngữ và thông số kỹ thuật khác nhau, khiến chúng trở thành một công cụ đa năng cho các nhà phát triển và người sáng tạo nội dung.

Trong lĩnh vực phát triển AI có trách nhiệm, NVIDIA đang tích cực hợp tác với các công ty hàng đầu trong lĩnh vực deepfake và phát hiện giọng nói để đảm bảo việc triển khai công nghệ giọng nói tổng hợp an toàn. Các mối quan hệ đối tác này nhằm mục đích ngăn chặn gian lận và mạo danh, đặc biệt là trong các lĩnh vực nhạy cảm như ngân hàng và dịch vụ khách hàng. Cam kết của NVIDIA về AI đáng tin cậy được thể hiện qua các tính năng bảo mật và khả năng truy cập của các mô hình Riva TTS, cho phép các nhà phát triển tích hợp các mô hình này vào ứng dụng của họ.