Inworld TTS-2 é lançado, supera o Sonic3.6 em clonagem de voz

Notícia da Beating AI: A empresa de IA de voz em tempo real, Inworld, lançou oficialmente o Realtime TTS-2. No mais recente Controlled Voice Arena da Artificial Analysis, ele ocupa o primeiro lugar com 1123 Elo, superando em 4 pontos o Cartesia Sonic 3.6, que tem 1119. Neste ranking, diferentes modelos clonam o mesmo conjunto de 8 vozes e são submetidos a testes cegos, sendo avaliados principalmente por quão natural e humana parece a fala, incluindo pronúncia, pausas, entonação e ritmo. Ele utiliza as vozes reais das rodadas anteriores como contexto, analisando o tom, ritmo e emoção do usuário para ajustar a próxima frase. Desenvolvedores podem inserir diretamente instruções em linguagem natural, como “fale baixo” ou “como se estivesse cansado, mas caloroso após o trabalho”, além de adicionar sons como risos, suspiros e respirações. Ele também suporta manter a mesma voz em múltiplos idiomas e clonar vozes com gravações curtas. A Inworld afirma que este modelo foi projetado especificamente para conversas em tempo real, aproveitando a entonação, o ritmo e o estado emocional presentes na comunicação vocal completa.