Software Empresarial

Meta apresenta Voicebox, um modelo de IA que suporta processamento de áudio para criadores

Após inúmeros rumores, a Meta finalmente anunciou oficialmente seu modelo de IA de última geração chamado Voicebox.

Após inúmeros rumores, a Meta finalmente anunciou oficialmente seu modelo de IA de última geração chamado Voicebox. Este modelo foi projetado para ajudar os criadores de conteúdo a lidar com eficiência com tarefas relacionadas à geração de voz, como edição de áudio, amostragem e estilização, mesmo sem treinamento específico.

Meta afirma com segurança que este novo modelo de IA “beneficiará muitas pessoas em todo o mundo”, não apenas no campo da criação de conteúdo. Por exemplo, ajudar pessoas cegas a ouvir mensagens de texto usando a voz, bem como permitir que as pessoas falem línguas estrangeiras com a própria voz.

O próprio Voicebox é anunciado como capaz de criar clipes de áudio de alta qualidade e editar clipes de áudio pré-gravados para remover interrupções indesejadas, como buzinas de carros, enquanto mantém o mesmo conteúdo e estilo multilíngue (produzindo fala em seis idiomas diferentes). Os desenvolvimentos futuros planejados pela Meta para o modelo incluem o fornecimento de vozes naturais para assistentes visuais ou personagens em jogos no metaverso.

A Meta também comparou o Voicebox com outros modelos de IA com processamento de áudio atualmente no mercado, especificamente concorrentes importantes como Vall-E e YourTTS. No geral, o modelo do Meta é avançado e supera a concorrência ao comparar a taxa de erro do Word e a similaridade do estilo.

Meta apresenta Voicebox, um modelo de IA que suporta processamento de áudio para criadores

Meta apresenta Voicebox, um modelo de IA que suporta processamento de áudio para criadores

Voicebox é baseado em Flow Matching. Este é o mais recente modelo generativo não autorregressivo do Meta, que pode lidar com mapeamento altamente não determinístico entre texto e fala. Isso permite que o Voicebox aprenda com muitos tipos diferentes de dados de fala sem precisar rotulá-los cuidadosamente, dando-lhe a oportunidade de acessar dados de treinamento mais diversos e em grande escala. Até o momento, o Voicebox foi treinado em mais de 50.000 horas de gravações de fala e transcrições de audiolivros em inglês, francês, espanhol, alemão, polonês e português.

Embora esta tecnologia possa inaugurar uma nova era de IA no processamento de áudio, Meta reconhece que pode introduzir o potencial de abuso e danos não intencionais. O artigo de pesquisa que Meta compartilhou sobre o Voicebox inclui detalhes sobre como a empresa construiu um classificador altamente eficaz que pode distinguir entre vozes autênticas e vozes geradas pelo Voicebox.

A Meta não disponibilizará o programa AI Voicebox para uso público, nem divulgará o código-fonte, pelo menos por enquanto.

More in Software Empresarial