Cześć od ElevenLabs

Czym jest ElevenLabs?

Jesteśmy firmą badawczą zajmującą się technologią głosu. Używamy sztucznej inteligencji (AI) i uczenia maszynowego (ML), aby dostarczać najpotężniejsze narzędzia do syntezy mowy, konwersji głosu i dubbingu twórcom treści, platformom internetowym i studiom produkcyjnym w różnych branżach.

Czym jest dubbing, konwersja głosu i synteza mowy?

Dubbing to proces dodawania ścieżki dźwiękowej w innym języku do filmu. Zwykle oznacza to zastąpienie głosów oryginalnych aktorów głosami wykonawców mówiących w innym języku - czyli "ponowne nagrywanie" - co tradycyjnie jest kosztowne i czasochłonne. W Eleven używamy AI, aby robić to automatycznie, zachowując oryginalne głosy aktorów w różnych językach.

Konwersja głosu pozwala jednej osobie mówić głosem innej. Znana również jako voice cloning, to proces kodowania docelowego głosu i nakładania go na źródłowy głos. Mówienie głosem innej osoby budzi etyczne obawy, ponieważ może być używane w złych celach, ale w Eleven zobowiązujemy się do używania naszej technologii tylko za zgodą osoby lub do celów demonstracyjnych w sposób, który nie powoduje konfliktów interesów.

Text-to-speech (TTS) to podstawa całej technologii syntezy mowy. Technologia TTS znacznie się poprawiła na przestrzeni lat, choć nadal często brzmi robotycznie. To dlatego, że samo płynne wymawianie słów nie wystarcza, aby nadać mowie ludzką jakość. To intencjonalny ton i tempo wynikające z rozumienia co jest mówione, sprawiają, że brzmi to naturalnie. W Eleven staramy się to osiągnąć: poprzez eksponowanie naszego modelu na bogactwo danych ludzkiej mowy, trenujemy go, aby rozumiał zarówno logiczny, jak i emocjonalny kontekst wypowiedzi, i dostosowywał sposób przekazu. Możemy również nadpisać domyślny sposób przekazu, aby uzyskać dowolny efekt.

Czym Eleven się wyróżnia?

Nasze narzędzie do dubbingu pozwala automatycznie ponownie nagrać wideo w innym języku, zachowując charakterystyczne cechy głosu oryginalnego mówcy. Jesteśmy pierwszą firmą, która ma na celu dostarczenie dedykowanych narzędzi do tłumaczenia mowa-mowa, które zachowuje tożsamość mówcy między językami. Nasza technologia pozwala na tworzenie wielojęzycznych, lokalizowanych ścieżek audio mówionych z płynnością i słownictwem na poziomie native, w twoim własnym głosie, z zachowaniem twojego wzorca mowy, bez potrzeby ponownej edycji wizualnej. W Eleven wyobrażamy sobie przyszłość, w której cała mówiona treść jest dostępna w każdym języku w streamingu, filmie, podcastach, audiobookach, grach, reklamach, a także, ostatecznie, w rozmowach w czasie rzeczywistym. Mamy nadzieję przyczynić się do tej przyszłości, oferując znacznie bardziej wciągające i płynne doświadczenie niż kiedykolwiek mogłyby napisy. Pierwsza wersja naszego narzędzia oferuje dubbing z angielskiego na hiszpański europejski.

Osiągnięcie jakości produkcyjnej w automatycznym dubbingu jest możliwe tylko wtedy, gdy poczynimy postępy w dwóch pokrewnych obszarach technologii głosu - konwersji głosu i generowaniu mowy, dla których również rozwijamy dedykowane narzędzia, równolegle z naszym oprogramowaniem do dubbingu. Nasze produkty tutaj wspierają zarówno voice cloning, jak i syntetyczną mowę. Idziemy dalej niż tylko dostarczanie ludzko brzmiących, nie-robotycznych głosów (a nawet mowy nieodróżnialnej od oryginału, gdy trenowana na zestawie próbek). Możemy precyzyjnie dostosować ton wypowiedzi do dowolnego efektu, a także generować niezliczone iteracje w określonym stylu przekazu - tak jak zrobiłby to aktor.

Krótko mówiąc, nasze narzędzie do dubbingu ma na celu umożliwienie istniejącym treściom dotarcia do szerszej publiczności. Nasze narzędzia do generowania mowy i konwersji głosu mają na celu optymalizację czasu i kosztów związanych z produkcją nowych treści, jednocześnie maksymalizując wartość produkcji. Poprzez dubbing przede wszystkim mamy nadzieję umożliwić twórcom poszerzenie zasięgu i pomóc potencjalnym odbiorcom odkryć treści, które uznają za istotne i wciągające, niezależnie od tego, jaki język rozumieją.