Primeira plataforma de síntese de fala de longa duração para editores e criadores

Neste novembro, estamos lançando a primeira plataforma de síntese de fala que permite que editores e criadores gerem conteúdo de longa duração de alta qualidade e emocionalmente envolvente.

Para quem é?

Escolhemos esse caminho por várias razões. Atualmente, não há ferramenta que suporte a geração de fala de longa duração com qualidade suficiente para ser adequada para narrar notícias ou audiolivros. Nossa equipe é apaixonada por tudo relacionado a áudio e sentimos que enfrentar os desafios do conteúdo mais extenso é um passo natural para realizar nossas ambições. Mas também estamos particularmente animados em considerar isso nossa característica de destaque - somos a primeira plataforma de tecnologia de fala IA a trazer as vozes mais emotivas, ricas e realistas para criadores e editores que buscam a qualidade máxima em contar histórias.

Nesse sentido, nossa plataforma permite que você gere e baixe falas de alta qualidade, no nível de dubladores, a partir de qualquer texto - sejam artigos de notícias, livros, newsletters, blogs ou artigos acadêmicos. Você pode escolher qualquer voz para ler o conteúdo - seja de um conjunto de vozes sintéticas pré-definidas ou clonando uma voz a partir de uma amostra que você fornecer. As utilizações que imaginamos para nossa tecnologia são infinitas. Desde fornecer acessibilidade entre mídias para conteúdo existente, aumentar a produtividade, reviver textos do passado convertendo-os em áudio, até criar novos conteúdos. Nosso próximo objetivo é estender o suporte para outros idiomas.

Como a Eleven é diferente?

Como conseguimos isso se deve à forma como construímos nosso modelo. Ele é treinado para entender o que está sendo dito e ajustar a entrega de acordo. Faz isso levando em conta não apenas o significado das palavras, mas também o contexto em torno de cada fala.

Os algoritmos tradicionais de geração de fala produzem falas com base em cada sentença. Isso é computacionalmente menos exigente, mas soa imediatamente robótico. Emoções e entonação muitas vezes precisam se estender e ressoar por várias sentenças para unir um determinado raciocínio. Tom e ritmo transmitem intenção, que é realmente o que faz a fala soar humana em primeiro lugar. Então, em vez de gerar cada fala separadamente, nosso modelo leva em conta o contexto ao redor, mantendo o fluxo e a prosódia adequados em todo o material gerado. Essa profundidade emocional, juntamente com a qualidade de áudio superior, oferece aos usuários a ferramenta de narração mais genuína e envolvente disponível.

Torne-se nosso beta-tester

Nossa plataforma estará disponível no próximo mês e você pode se inscrever para se tornar nosso beta-tester hoje em elevenlabs.io

audiostory.ai

Se você está curioso para ouvir nosso software em ação, vá para audiostory.ai - um projeto paralelo da Eleven Labs destinado a mostrar nossas capacidades de geração de fala de longa duração, onde usamos nossas vozes sintéticas para ler artigos de notícias e livros do passado. O primeiro episódio é um artigo de 1899 do The New York Times sobre a invenção do rádio - ouça aqui. Ou, se ainda não fez isso, você pode ir ao topo desta página e ouvir esta entrada lida em voz alta.