Inworld TTS-2 est lancé, surpasse Sonic3.6 dans le clonage vocal

Découverte Beating AI : la société de technologie vocale en temps réel Inworld lance officiellement Realtime TTS-2. Dans le dernier Controlled Voice Arena d'Artificial Analysis, il se classe premier avec un score de 1123 Elo, dépassant les 1119 de Cartesia Sonic 3.6. Ce classement compare des modèles différents en leur demandant d'imiter un ensemble de 8 voix identiques, puis de les évaluer en aveugle selon leur naturalité et leur ressemblance avec des humains, en se basant sur la prononciation, les pauses, l'intonation et le rythme. Il intègre 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 la clonage vocal à partir de courtes enregistrements. Inworld affirme que ce modèle a été spécifiquement conçu pour les conversations en temps réel, en exploitant pleinement l'intonation, le rythme et l'état émotionnel des échanges vocaux.