Inworld TTS-2 ra mắt, vượt trội hơn Sonic3.6 trong việc sao chép giọng nói

Động sát Beating AI, công ty AI phát âm thời gian thực Inworld chính thức ra mắt Realtime TTS-2. Trong bảng xếp hạng Controlled Voice Arena mới nhất của Artificial Analysis, nó đứng đầu với 1123 Elo, cao hơn 4 điểm so với Cartesia Sonic 3.6 ở mức 1119. Bảng xếp hạng này so sánh các mô hình khác nhau bằng cách sao chép cùng một bộ 8 giọng nói và tiến hành kiểm tra mù, chủ yếu đánh giá giọng nào tự nhiên và giống người thật hơn, bao gồm phát âm, khoảng dừng, ngữ điệu và nhịp điệu. Nó sẽ sử dụng các đoạn giọng nói thật từ vài vòng trước làm ngữ cảnh, nghe ngữ điệu, nhịp điệu và cảm xúc của người dùng để điều chỉnh câu tiếp theo sẽ nói như thế nào. Các nhà phát triển còn có thể trực tiếp nhập các lệnh ngôn ngữ tự nhiên như “nói nhỏ”, “nghe như vừa tan làm mệt mỏi nhưng ấm áp” và thêm các âm thanh như cười, thở dài, hít thở. Nó cũng hỗ trợ duy trì cùng một chất giọng xuyên ngôn ngữ và sao chép giọng từ các bản ghi ngắn. Inworld cho biết thế hệ mô hình này được thiết kế đặc biệt cho hội thoại thời gian thực và sẽ tận dụng ngữ điệu, nhịp điệu và trạng thái cảm xúc trong toàn bộ giao tiếp bằng giọng nói.