Voice Design - Den första generativa AI:n för ljud

Förra månaden meddelade vi att vår generativa modell för röstskapande var på väg. Nu är den här och det är den första i sitt slag - vi kallar den Voice Design. Funktionen låter dig skapa nya röster från grunden genom att välja deras kärnegenskaper som kön, ålder och accent. Även med samma grundinställningar lägger vår modell till slumpmässighet varje gång du trycker på generera för att säkerställa att varje röst du hör är helt unik. Voice Design är en del av vår bredare satsning på att utrusta publicister och kreatörer med de mest mångsidiga AI-berättarverktygen.

Voice Design

Modellen bakom Voice Design är till stor del resultatet av vår forskning inom talsyntes och Voice Cloning, även om vi alltid gillat idén om ett generativt verktyg för tal. Vi har redan sett praktiska tillämpningar för generativ text-till-bild och chatbot-modeller, men ett liknande verktyg för ljud saknades. Sedan vår lansering har vi fått förfrågningar om att lägga till fler röster i vårt bibliotek. Istället för att överfylla biblioteket med otaliga röster och få dig att lyssna igenom varje förhandsvisning för att veta vem som är vem, bestämde vi oss för att vända på steken och låta dig bestämma talarens identitet, samtidigt som vi tillåter oändlig variation inom dessa ramar.

Att lägga till en grad av kontroll över röstvalet var viktigt eftersom våra användare ofta söker konkreta talegenskaper för sina manus. Att säkerställa att varje genererad röst är unik var lika avgörande eftersom många användningsområden kräver, eller åtminstone gynnas av, exklusiv tillgång till en röst. Förutom att ge användare en ny kreativ möjlighet, är röster som genereras med Voice Design helt artificiella och tillhör ingen verklig person.

Användningsområden

Utöver att enkelt omvandla text till kvalitetsljud med vårt grundläggande Speech Synthesis verktyg, kan bokförfattare nu använda Voice Design för att utöva konstnärlig kontroll över berättandet och forma varje karaktärs personlighet med skräddarsydda röster.

Nyhetspublicister som ger sig in i ljud behöver röster för sina berättelser. Eftersom berättare blir identifierade med de publikationer de representerar, blir valet av rätt voice-over en viktig uppgift som inte ofta upprepas. Voice Design låter publicister välja och jämföra praktiskt taget otaliga berättare direkt. Det ger dem också tryggheten att ha en specifik röst som representerar dem, och bara dem.

Spelutvecklare behöver inte längre välja om en viss karaktär motiverar inspelningskostnader. Tiotusentals tidigare stumma NPC:er kan nu ha unika personligheter, vilket driver gränserna för virtuell fördjupning.

Oavsett om du är en innehållsskapare som arbetar på din nästa release eller en företagsledare som vill ge röst åt företagskommunikation, är möjligheterna att designa livfullt, övertygande ljud för specifika användningsområden och målgrupper nu obegränsade.

Ekosystem

Voice Design är en av flera funktioner för berättarredigering vi planerar att introducera i år. Näst på tur är Studio - vår nya arbetsstation för att strukturera stora texter, infoga pauser, regenerera ljuddelar och tilldela delar av text till olika talare. Studio kommer i slutet av mars och kommer att kompletteras med stöd för intonationsredigering senare under andra kvartalet i år.