Το Generative AI και τα deepfakes έχουν ενσωματωθεί βαθιά για την ανάπτυξη προηγμένων εργαλείων ήχου. Η ιδέα είναι απλή: παίρνεις έναν ήχο και τον χειρίζεσαι έτσι ώστε το μοντέλο να λέει τις λέξεις που του δίνεις.
Η τεχνολογία παραγωγής φωνής θεωρείται μια από τις πιο σημαντικές εξελίξεις στον κόσμο της σύγχρονης τεχνολογίας, καθώς είναι δυνατό να δημιουργηθεί μια τεχνητή φωνή που είναι απίστευτα παρόμοια με την ανθρώπινη φωνή χρησιμοποιώντας μηνύματα κειμένου. Μεταξύ των καινοτόμων εργαλείων και πλατφορμών που σας επιτρέπουν να επιτύχετε αυτό το εντυπωσιακό κατόρθωμα είναι το ElevenLabs, το οποίο διαθέτει ένα δωρεάν επίπεδο χρήσης μαζί με μερικές εξαιρετικές επιλογές επί πληρωμή.
Σε αυτό το άρθρο, θα προχωρήσουμε σε βάθος σχετικά με τον τρόπο χρήσης της τεχνολογίας σύνθεσης φωνής της ElevenLabs και τα οφέλη που συνοδεύει. Θα εξετάσουμε τα βασικά βήματα για τη δημιουργία ήχου που μπορεί να είναι χρήσιμος σε μια ποικιλία εφαρμογών, από ήχο και διαφημίσεις έως εφαρμογές τεχνητής νοημοσύνης και μηχανικής εκμάθησης. Επαληθεύω Είναι η καθηλωτική τεχνολογία κέρδος ή απώλεια για την ασφάλεια στον κυβερνοχώρο;
Γρήγοροι σύνδεσμοι
Τι είναι το ElevenLabs;
Η ElevenLabs ιδρύθηκε από έναν πρώην μηχανικό μηχανικής μάθησης στην Google και έναν πρώην υπεύθυνο στρατηγικής στην Palantir Technologies, μια εταιρεία έρευνας τεχνολογίας φωνής. Ένα μοντέλο ομιλίας είναι βασικό συστατικό της στρατηγικής του, αλλά ο απώτερος στόχος είναι να δημιουργήσει ένα εργαλείο που «μετατρέπει άμεσα τον προφορικό ήχο μεταξύ διαφορετικών γλωσσών».
Το ElevenLabs Voice AI είναι ένα μοντέλο μετατροπής κειμένου σε ομιλία που βασίζεται σε τεχνητή νοημοσύνη και μπορεί να δημιουργήσει μια ανθρώπινη φωνή με ρεαλιστικό ήχο. Η ιστοσελίδα της αναφέρει:
«Η αποστολή μας είναι να κάνουμε πραγματικότητα την πολυγλωσσική φωνητική υποστήριξη κατ' απαίτηση σε όλη την εκπαίδευση, τη ροή, τα ηχητικά βιβλία, τα παιχνίδια, τις ταινίες, ακόμη και τη συνομιλία σε πραγματικό χρόνο».
Το Google Translate και οι εναλλακτικές του είναι κάτι που προσφέρει ήδη αξία, αλλά μπορείτε να φανταστείτε ένα εργαλείο που μπορεί να μεταφράσει αμέσως αυτό που ακούτε σε προφορική μορφή; Η αναπαραγωγή της φωνής του ομιλητή έτσι ώστε να ακούτε τη συνομιλία όπως λέει αυτός ή αυτή είναι μια σημαντική αφετηρία για την επίτευξη αυτού του στόχου.
Τι είναι η παραγωγή ήχου AI;
Με απλά λόγια, η δημιουργία φωνής AI σάς επιτρέπει να συλλάβετε μια φωνή και να την κάνετε να λέει αυτό που θέλετε να ακούσει. Απλώς επιλέξτε μια φωνή και δώστε τον διάλογο και το προσαρμοσμένο πρότυπο κάνει τα υπόλοιπα.
Θα μπορούσατε να πείτε "καλά, η Microsoft Sam το έκανε αυτό στη δεκαετία του 'XNUMX" και θα είχατε απόλυτο δίκιο. Αλλά το Microsoft Sam και παρόμοια εργαλεία έμοιαζαν με bots. Εν τω μεταξύ, το εργαλείο της ElevenLabs φαίνεται πολύ πιο κοντά στον άνθρωπο.
Το ElevenLabs προσφέρει τρεις επιλογές τεχνητής νοημοσύνης ομιλίας: τις εντελώς δωρεάν «προκαθορισμένες» φωνές του, τη γεννήτρια φωνής AI (σας επιτρέπει να επιλέξετε φύλο, ηλικία και προφορά) και φωνές «κλωνοποίησης» μόνο με συνδρομή που μπορείτε να κατεβάσετε.
Εδώ είναι ένα παράδειγμα:
Σημείωση: Η χρήση της τεχνητής νοημοσύνης για δημιουργικούς σκοπούς συνοδεύεται από ορισμένες ευθύνες ηθικής και πνευματικής ιδιοκτησίας και η δημιουργία φωνών με το εργαλείο ομιλίας AI της ElevenLabs δεν διαφέρει. Με λίγα λόγια, μην χρησιμοποιείτε τη φωνή κανενός χωρίς την άδειά του. Αν και αυτό δεν είναι παράνομο, μπορεί να ενοχληθούν από αυτό.
Πριν συνεχίσουμε, να θυμάστε ότι τη στιγμή που γράφονται αυτές οι γραμμές, το εργαλείο ομιλίας AI της ElevenLabs βρίσκεται σε beta. Αυτό σημαίνει ότι δεν είναι το τελικό προϊόν. Επαληθεύω Εξερευνήστε τα συναρπαστικά έργα τεχνητής νοημοσύνης που μπορείτε να κάνετε με το Raspberry Pi σας.
Δημιουργήστε βασικό διάλογο AI
Ο απλούστερος τρόπος για να ξεκινήσετε είναι να χρησιμοποιήσετε το δωρεάν εργαλείο ομιλίας που βασίζεται σε AI της ElevenLabs.
Για να το χρησιμοποιήσετε, μεταβείτε στο beta.elevenlabs.io Και δημιουργήστε έναν λογαριασμό (μπορείτε να χρησιμοποιήσετε το email, τον λογαριασμό σας Google ή το Facebook).
Εδώ είναι τα επόμενα βήματα:
- Κάντε κλικ Σύνθεση ομιλίας.
- Επιλέξτε μία από τις προκαθορισμένες φωνές στις ρυθμίσεις (οι ανδρικές και γυναικείες φωνές είναι διαθέσιμες).
- Αναπτύξτε τις Ρυθμίσεις ήχου για να ορίσετε τα ρυθμιστικά Stability and Clarity + Enhance Similarity (η υψηλότερη σταθερότητα είναι συνήθως μονότονη, η υψηλότερη ευκρίνεια είναι πιο κοντά στον επιθυμητό ήχο).
- Επιλέγω Έντεκα Μονόγλωσσος (Τυπικά Αγγλικά).
- Εισαγάγετε το κείμενο που θέλετε να μετατρέψετε σε ομιλία.
- Κάντε κλικ κατασκευή.
- Μόλις ολοκληρωθεί η διαδικασία, ο ήχος θα πρέπει να παίζει αυτόματα. Εάν όχι, κάντε κλικ εργασία.
Μπορείτε επίσης να κατεβάσετε το δείγμα που δημιουργήθηκε.
Πώς να δημιουργήσετε φωνή AI με το ElevenLabs
Εάν προτιμάτε να δημιουργήσετε μια νέα φωνή, μπορείτε να χρησιμοποιήσετε το κουμπί Προσθήκη φωνής για να επισκεφτείτε την οθόνη του VoiceLab. Για να δημιουργήσετε έναν νέο ήχο με βάση τις προεπιλογές ElevenLabs:
- Κάντε κλικ Προσθήκη ήχου -> Σχεδίαση ήχου.
- Ορίστε τα πεδία φύλο, ηλικία και διάλεκτο.
- Ρυθμίστε το ρυθμιστικό ισχύος εστίασης όπως θέλετε.
- Εισαγάγετε το κείμενο που θέλετε να μετατρέψετε.
- Κάντε κλικ κατασκευή.
- Όταν τελειώσετε, ακούστε.
Κατά τη διάρκεια της δοκιμής, διαπίστωσα ότι τόσο η γυναικεία/νεαρή/αυστραλιανή και η αρσενική/ηλικιωμένη/αυστραλιανή προφορά ήταν ξεκάθαρα «αμερικανική». Αυτό το πρόβλημα πιθανότατα θα λυθεί καθώς βελτιώνεται η τεχνολογία.
Δημιουργήστε τη δική σας φωνή AI
Ενώ οι προκαθορισμένες και οι διαμορφώσιμες επιλογές είναι ενδιαφέρουσες, το πραγματικά συναρπαστικό στοιχείο της τεχνολογίας της ElevenLabs είναι η επιλογή «Άμεση αναπαραγωγή φωνής».
Σε αντίθεση με άλλες επιλογές, η Instant Voice Reproduction απαιτεί συνδρομή. Υπάρχουν πολλές διαθέσιμες επιλογές, η φθηνότερη είναι 5 $ το μήνα. Τη στιγμή της γραφής, αυτό συνοδεύεται από έκπτωση 80% για τον πρώτο μήνα, καθιστώντας το μόλις XNUMX $.
Άλλες επιλογές κοστίζουν 22 $, 99 $ και 330 $ ανά μήνα, με δυνατότητα δημιουργίας έως και 40 ωρών ήχου ανά μήνα.
Για να χρησιμοποιήσετε τη μεταγραφή φωνής του ElevenLabs, θα χρειαστείτε κάποιο διάλογο και ένα δείγμα της φωνής σας. Οτιδήποτε θα γίνει, αρκεί να είναι σαφές, και σε μορφή MP3. Όσο μεγαλύτερο είναι το δείγμα, τόσο το καλύτερο, έως και 5 λεπτά.
Από την οθόνη του VoiceLab:
- Κάντε κλικ Προσθήκη ήχου -> Άμεση μεταγραφή ήχου.
- Στο παράθυρο που προκύπτει, αντιστοιχίστε ένα όνομα.
- Κάντε κλικ ή σύρετε το κατάλληλο αρχείο για να φορτώσετε το δείγμα ήχου (μπορούν να προστεθούν έως και 25 δείγματα για βελτίωση της ακρίβειας).
- Κάντε κλικ στο Labels και επιλέξτε Key + Value (για παράδειγμα, Accent/British) — κάντε αυτό έως και 5 φορές.
- Εισαγάγετε μια σύντομη περιγραφή του ήχου.
- Επιλέξτε το πλαίσιο ελέγχου Επιβεβαίωση συναίνεσης και, στη συνέχεια, Προσθήκη ήχου.
Με την προσθήκη ήχου, μπορείτε να τον προσαρμόσετε στην οθόνη σύνθεσης ομιλίας όπως αναφέρθηκε παραπάνω. Επαληθεύω Αξιολόγηση της χρήσης τεχνολογίας αναπαραγωγής ήχου στη δημιουργία περιεχομένου μεγάλης κλίμακας.
Τι μπορείτε να κάνετε με τη φωνή AI;
Το AI Voice έχει πολλές προκαθορισμένες και αναπαραγόμενες φωνές με πολλές δυνατότητες. Όπως αναφέρθηκε προηγουμένως, ο απώτερος στόχος του ElevenLabs είναι η ζωντανή μετάφραση, αλλά έχει σημειώσει πολλές άλλες χρήσεις.
Αναφέρονται ηχητικά βιβλία (ίσως που διαβάζονται από έναν από καιρό νεκρό σταρ του κινηματογράφου), μαζί με βιντεοπαιχνίδια (η χρήση φωνής τεχνητής νοημοσύνης θα εξοικονομούσε χρήματα στους φωνητικούς ηθοποιούς). Έχει όμως χρήσεις πέρα από αυτό, από μουσική μέχρι σάτιρα μέχρι αυτοβοήθεια και ίσως και πέρα από αυτό.
Μπορείτε επίσης να δημιουργήσετε ένα podcast χρησιμοποιώντας ήχο AI, αν και τα αποτελέσματα μπορεί να ακούγονται επίπεδα και βαρετά.
Η εισαγωγή για αυτό το πραγματικά χρήσιμο επεισόδιο podcast δημιουργήθηκε με την ElevenLabs:
Αν και τα αποτελέσματα δεν ήταν ακριβώς αυτά που ελπίζαμε, είναι αρκετά καλά για χρήση και η τεχνολογία μπορεί μόνο να γίνει καλύτερη.
Εν τω μεταξύ, η ElevenLabs σχεδιάζει να διαθέσει τη λειτουργία "Voice Chat" σε μεταγενέστερη ημερομηνία.
κοινές ερωτήσεις
Ε1: Ποια είναι η τεχνολογία για την κατασκευή ήχων;
Η τεχνολογία σύνθεσης φωνής είναι μια τεχνολογία που χρησιμοποιεί τεχνικές τεχνητής νοημοσύνης και επεξεργασίας ήχου για να δημιουργήσει μια τεχνητή φωνή που μοιάζει με την ανθρώπινη φωνή. Μπορεί να χρησιμοποιηθεί σε μια ποικιλία εφαρμογών όπως εφαρμογές ήχου, διαφήμισης και τεχνητής νοημοσύνης.
Ε2: Τι είναι το ElevenLabs και τι προσφέρει;
Το ElevenLabs είναι μια προηγμένη πλατφόρμα που βασίζεται σε τεχνολογίες παραγωγής ήχου. Παρέχει στους χρήστες ισχυρά εργαλεία για να δημιουργήσουν μια συνθετική φωνή που μπορεί να είναι παρόμοια με την προσωπική τους φωνή. Το ElevenLabs σάς βοηθά να προσαρμόσετε τους ήχους και να τους χρησιμοποιήσετε για ποικίλες χρήσεις.
Ε3: Πώς μπορώ να αρχίσω να χρησιμοποιώ το ElevenLabs;
Μπορείτε εύκολα να ξεκινήσετε κάνοντας εγγραφή στην πλατφόρμα ElevenLabs και εξερευνώντας την απλή και φιλική προς τον χρήστη διεπαφή της. Θα έχετε τη δυνατότητα να δημιουργήσετε και να προσαρμόσετε τη δική σας συνθετική φωνή και να τη χρησιμοποιήσετε στο έργο σας.
Ε4: Υπάρχουν ειδικές απαιτήσεις για τη χρήση τεχνολογίας παραγωγής ήχου;
Δεν χρειάζεστε προηγμένες τεχνικές γνώσεις για να χρησιμοποιήσετε το ElevenLabs, αλλά είναι χρήσιμο να κατανοήσετε βασικές έννοιες σχετικά με την επεξεργασία ήχου και να χρησιμοποιήσετε βασικές τεχνολογίες. Θα βρείτε τη διεπαφή χρήστη και τις οδηγίες εύχρηστα και θα σας βοηθήσουν να ξεκινήσετε.
Ε5: Ποιες είναι μερικές κοινές εφαρμογές της τεχνολογίας παραγωγής ήχου της ElevenLabs;
Οι δημοφιλείς εφαρμογές περιλαμβάνουν εξατομικευμένες διαφημίσεις ήχου, εξατομικευμένες υπηρεσίες φωνής και εφαρμογές τεχνητής νοημοσύνης που χειρίζονται συνθετικές φωνές. Το ElevenLabs επιτρέπει στους ήχους να προσαρμόζονται ώστε να ταιριάζουν με ακρίβεια στο έργο σας.
Χρησιμοποιήστε τη φωνή σας με νέο τρόπο με AI από την ElevenLabs
Η Τεχνητή Νοημοσύνη μας έχει φέρει μερικά εκπληκτικά νέα εργαλεία τα τελευταία χρόνια. Το Chat-GPT μπορεί να χρησιμοποιηθεί για τη δημιουργία κειμένου, την απάντηση ερωτήσεων, τον προγραμματισμό αναφορών και πολλά άλλα. Μεσοταξίδι Είναι ένα εκπληκτικό μοντέλο που δημιουργεί τέχνη βασισμένη σε αξιώσεις.
Τώρα, το εργαλείο Speech AI της ElevenLabs διευκολύνει την εργασία με φωνή. Είναι σαν πλαστοπροσωπία, αλλά με αντίγραφο του αρχικού ήχου.
Ενώ υπάρχουν ηθικά επιχειρήματα κατά της χρήσης φωνών χωρίς συγκατάθεση, αυτό είναι ένα ισχυρό εργαλείο με μερικές ενδιαφέρουσες χρήσεις. Το καλύτερο από όλα είναι ότι είναι εκπληκτικά εύκολο στη χρήση και προσφέρει εκπληκτικά αποτελέσματα. Τώρα μπορείτε να δείτε Η καλύτερη γεννήτρια τέχνης AI για τη δημιουργία δημιουργικής τέχνης από φωτογραφίες.
