Inworld TTS-2 Başlıyor, Ses Taklitinde Sonic3.6'yi Geçiyor

Dongcha Beating AI Haberleri: Gerçek zamanlı ses AI şirketi Inworld, Realtime TTS-2'yi resmen piyasaya sürdü. Artificial Analysis'ın en son Controlled Voice Arena yarışmasında, bu model 1123 Elo ile birinci oldu ve Cartesia Sonic 3.6'nın 1119 Elo'sundan 4 puan daha yüksek. Bu sıralama, farklı modellerin aynı 8 sesi klonlamasını ve ardından çift göz kör testi yapmasını sağlıyor; temel kriter, telaffuz, duraklama, ton ve ritim açısından daha doğal ve insanı andıran ses üretmek. Model, önceki birkaç ses örneğini bağlam olarak kullanarak kullanıcının tonunu, ritmini ve duygusal durumunu analiz edip bir sonraki cümleyi buna göre ayarlıyor. Geliştiriciler, "düşük sesle söyle", "çalışmadan hemen sonra yorgun ama sıcak" gibi doğal dil talimatlarını doğrudan yazabiliyor ve gülümseme, nefes alma, iç çekme gibi ses efektlerini ekleyebiliyor. Aynı ses çizgisini çok dilli senaryolarda koruma ve kısa ses kayıtlarıyla ses klonlama desteği de sunuyor. Inworld, bu modelin tamamen gerçek zamanlı diyaloglar için tasarlandığını ve tam sesli iletişimdeki tonu, ritmi ve duygusal durumu kullanacağını açıkladı.