Facebook yapay zekâ araştırmaları (FAIR) laboratuvarında çalışan araştırmacılar tarafından Meta'nın internet sitesinde tanıtılan Audiobox, sesleri klonluyor ve ortam sesleri üretiyor!
Audiobox, bu alandaki daha önceki çalışması Voicebox'ın üzerine inşa edilen "ses üretimi için yeni bir temel araştırma modeli" olarak tanımlanıyor.
Audiobox’ın internet sitesinde, "Sesli girdilerin ve doğal dil metin istemlerinin bir kombinasyonunu kullanarak sesler ve ses efektleri oluşturabilir. Bu da çok çeşitli kullanım durumları için özel ses üretmeyi kolaylaştırır" ifadeleri yer alıyor.
Buna göre, klonlanmış bir sesin söylemesini istediğiniz bir cümleyi ya da üretmek istediğiniz bir sesin açıklamasını yazmanız yeterli olacak. Audiobox, bu kapsamda istediğiniz sesi oluşturacak. Kullanıcılar ayrıca kendi seslerini kaydedebilecek ve Audiobox tarafından klonlanmasını sağlayabilecek.
200’DEN FAZLA ANA DİL VE 150’DEN FAZLA ÜLKE
Önde gelen üretici yapay zekâ modellerinin çoğu, yeni içerik üretme eğitimi için büyük ölçüde insan tarafından üretilen verilere bağımlıdır ve bu doğrultuda, Audiobox da bir istisna değil. FAIR araştırmacıları öncelikle İngilizce olmak üzere 160 bin saatlik konuşma, 20 bin saatlik müzik ve 6 bin saatlik ses örneğinden yararlandı.
Konuşma bölümü sesli kitapları, podcast'leri, okunan cümleleri, konuşmaları, sohbetleri ve çeşitli akustik koşulları ve sözlü olmayan sesleri içeren vahşi doğa kayıtlarını içeriyor. Adaleti ve çeşitli gruplardan insanların iyi biçimde temsil edilmesini sağlamak için, 200'den fazla farklı ana dili konuşan 150'den fazla ülkeden konuşmacı kapsıyor.
