इनवर्ल्ड TTS-2 लॉन्च, वॉइस क्लोनिंग में सोनिक3.6 से बेहतर प्रदर्शन

डियान बीटिंग AI न्यूज़, रियल-टाइम वॉइस AI कंपनी Inworld ने आधिकारिक रूप से Realtime TTS-2 लॉन्च किया है। Artificial Analysis के हालिया Controlled Voice Arena में, इसने 1123 Elo के साथ पहला स्थान प्राप्त किया, जो Cartesia Sonic 3.6 के 1119 से 4 अंक अधिक है। इस रैंकिंग में विभिन्न मॉडलों को एक ही 8 आवाज़ों के सेट को क्लोन करने के लिए ब्लाइंड टेस्ट किया गया, जिसमें मुख्य रूप से यह देखा गया कि कौन सा मॉडल अधिक प्राकृतिक और मानवजन्य लगता है—जिसमें उच्चारण, विराम, स्वर और ताल शामिल हैं। यह पिछले कुछ चरणों की वास्तविक आवाज़ को संदर्भ के रूप में उपयोग करता है, उपयोगकर्ता के स्वर, ताल और भावना को सुनकर अगले वाक्य को कैसे कहना है, उसे समायोजित करता है। डेवलपर्स सीधे प्राकृतिक भाषा निर्देश जैसे "धीरे से बोलें", "जैसे हाल ही में काम से लौटे हों—थके हुए पर गर्मजोशी से" लिख सकते हैं, और हंसी, आह, सांस जैसी आवाज़ें भी शामिल कर सकते हैं। इसके साथ ही, यह एक ही आवाज़ को क्रॉस-भाषा में बनाए रखने का समर्थन करता है, और छोटी रिकॉर्डिंग से आवाज़ क्लोन करने की सुविधा प्रदान करता है। Inworld के प्रतिनिधि का कहना है कि यह मॉडल पूरी तरह से रियल-टाइम संवाद के लिए डिज़ाइन किया गया है, और पूर्ण वॉइस कम्युनिकेशन में स्वर, ताल, और भावनात्मक स्थिति का उपयोग करता है।