Inworld lance TTS-2, qui surpasse Sonic3.6 dans le clonage vocal

Selon les nouvelles de ME, le 3 septembre (UTC+8), Beating AI, une actualité rapide, annonce que Inworld, une entreprise spécialisée dans l'IA vocale en temps réel, lance officiellement Realtime TTS-2. Dans le dernier Controlled Voice Arena d'Artificial Analysis, il obtient un classement de 1123 Elo, dépassant les 1119 de Cartesia Sonic 3.6 de 4 points. Ce classement compare plusieurs modèles ayant cloné les mêmes huit voix, en effectuant des tests aveugles pour déterminer laquelle sonne la plus naturelle et la plus humaine, en se basant sur la prononciation, les pauses, l'intonation et le rythme. Il prend en compte les précédentes phrases vocales réelles comme contexte, analyse le ton, le rythme et l'émotion de l'utilisateur, puis ajuste la phrase suivante en conséquence. Les développeurs peuvent également saisir directement des instructions en langage naturel telles que « parlez doucement » ou « comme quelqu'un de fatigué mais chaleureux après le travail », et intégrer des sons comme des rires, des soupirs ou des respirations. Il prend également en charge la conservation d'une même voix à travers plusieurs langues, ainsi que le clonage vocal à partir de courtes enregistrements. Inworld affirme que ce modèle a été spécifiquement conçu pour les conversations en temps réel, en exploitant l'intonation, le rythme et l'état émotionnel présents dans l'ensemble de l'échange vocal. (Source : BlockBeats)