Я потерял отца, вот как я клонировал его голос

В начале апреля 2024 года автора этой статьи постигла страшная утрата. Потеря родителя — один из самых шокирующих переходов в жизни, событие, которое трудно, если не невозможно, принять и усвоить. События тяжелеют, как валун, и мысли часто обращаются к тем, кого уже нет здесь. Для многих людей, слушай голос умершего близкого человека может предложить утешение и способ сохранить эмоциональную связь. Таким образом, появилось множество приложений, которые позволяют вам клонировать голос тех, кого уже нет с нами, начиная с имеющейся у нас видео- или голосовой записи.

Писатель не является ни психологом, ни экспертом по этическим, социологическим и культурным вопросам. Однако он техник, который переживает трудные времена. Итак, желая еще раз услышать голос своего отца, он хотел пойти кратчайшим путем, чтобы достичь своей цели.

Как искусственный интеллект помогает клонировать голоса тех, кого уже нет

Использование голоса умершего человека могло рассматриваться как неуважение, особенно если не было явного согласия от человека, когда он был жив. В данном случае покинувшим этот мир был человек, соединивший богатство знаний всей жизни с непрекращающимся и неиссякаемым желанием учиться и учиться. Даже в технологической сфере, несмотря на преклонный возраст. Поражен потенциалом двигатели Из синтез речиТаким образом, покойный выразил сознательное и осознанное согласие на использование своего голоса.

На рынке есть несколько приложений, которые могут помочь людям почувствовать себя ближе к своим потерянным близким, облегчая боль траура. Клонирование голоса — мощный инструмент, однако не следует злоупотреблять им в коммерческих целях.

Итак, нижеподписавшаяся мысль об использовании инструмента Мгновенное клонирование голоса Из Одиннадцать лабораторий преследовать цель и явно сугубо личные цели.

Одиннадцать лабораторий — компания, которая занимается технологиями синтеза речи на основе искусственного интеллекта. Их основной продукт позволяет генерировать искусственные голоса реалистично и клонировать человеческие голоса.

Система, разработанная Eleven Labs, позволяет копировать человеческий голос с помощью аудио образец продолжительностью не менее 60 секунд. Передовые методы глубокое обучение разработанные Eleven Labs, основаны на набор данных голосовых записей и векторное представление характеристик голоса, таких как тембр, интонация и ритм.

Подготовка аудиообразца

Хорошо зная потенциал Eleven Labs, первым шагом было открытие Audacity в портативной версии видео в формате MP4, содержащее (также) голос усопшего. Поскольку по умолчанию Audacity не поддерживает формат MP4достаточно было установить FFmpeg для Audacity.

Открыв видео MP4 с помощью известного программного обеспечения для обработки звука, фоновый шум и речь других собеседников были тщательно удалены.

По окончании задания достаточно было нажать Файл, экспорт, экспорт в формате MP3 чтобы получить аудиофайл в формате МП3с интересующим вокальным образцом.

Как создать модель речи в Eleven Labs

Имея абонемент Стартер от Eleven Labs, вы нажали Голоса, добавление генеративных или клонированных голосов, мгновенное клонирование голоса в веб-интерфейсе.

Веб-приложение Eleven Labs теперь просит вас присвоить имя вокальная модель в процессе создания загрузите аудиоклип продолжительностью не менее одной минуты. Ранее экспортированный файл MP3 был затем загружен через интерфейс Audacity.

Чтобы продолжить и иметь возможность нажать на кнопку Добавить голос важно заявить, что вы обязуетесь неукоснительно соблюдать Условия эксплуатации сервиса, а также использовать голосовую модель только и исключительно в законных целях, разрешенных действующим законодательством.

Результат, предложенный Eleven Labs, поразителен.

Просто нажав на Использоватьвы можете использовать речевую модель Eleven Labs, сгенерированную искусственным интеллектом, чтобы произнести любой тексттакже сложный и четко сформулированный.

Просто обратитесь к листу Текст в речь (TTS), напишите или вставьте текст в соответствующее поле и нажмите кнопку Генерировать речь. В связи с этим следует сказать, что каждая операция синтеза речи с генерацией воспроизводимый звукбудет потреблять определенное количество жетон, доступны и обрабатываются ежемесячно. Eleven Labs указывает в качестве «спаннометрического значения» возможность обработки около 30 000 символов в месяц, что эквивалентно 30 минут аудио (фортепиано Стартер).

качество результата предлагаемая речевой моделью, созданной с помощью Eleven Labs, сильно зависит от «качественности» аудиообразца, предоставленного в качестве входных данных. В любом случае, несмотря на отсутствие достаточно длинных звукозаписей и несмотря на наличие некоторых недоработок, результат обычно впечатляет положительно.

Действуем по опциям Стабильность, Сходство е Преувеличение стиля, можно улучшить поведение модели. Параметр Стабильность контролирует, насколько последовательным и стабильным остается сгенерированный голос с течением времени. Более высокое значение обеспечивает более последовательный и предсказуемый голос; более низкое значение может привести к большему разнообразию, делая голос более естественным, но менее последовательным.

Настройка Сходство определяет, насколько сгенерированный голос похож на оригинал: более высокие значения дают голос, более близкий к оригиналу; более низкие значения могут привести к большему разнообразию или уникальным характеристикам. В конце концов, Преувеличение стиля усиливает уникальные стилистические характеристики голоса: более высокое значение подчеркивает отличительные аспекты голоса, такие как акцент или интонации.

Следующий шаг: использование API Eleven Labs

Все аудиофайлы, созданные с использованием речевой модели Eleven Labs, могут быть скачал в формате WAV или MP3. Однако следующим шагом может стать использование API (Интерфейс прикладного программирования), предоставляемый платформой и соединяющийся с Большая языковая модель (магистр права).

API Eleven Labs позволяют отправлять запросы и получать ответы в Формат JSON. Например, вы можете попросить генеративную модель Eleven Labs сгенерировать воспроизводимый аудиофайл, отправив ответ, полученный от LLM, в результате определенного быстрый.

Для этой цели можно использовать Voiceflow, который позволяет создать голосового помощника путем взаимодействия с API Eleven Labs.

Каждая запись, созданная или опубликованная на платформе Eleven Labs, фактически отмечена значком уникальный идентификатор: нажав на «ID» в поле, содержащем ссылку на клонированную запись, можно автоматически скопировать ее в область буфера обмена. Просто нажав CTRL+V, вы можете использовать эту ссылку в коде, который активирует механизм TTS Eleven Labs из любого приложения.

Это официальное руководство содержит различные идеи для возможного использования на различных языках программирования или из окна терминала (с помощью cURL). Голосовой поток предлагает этот пример интеграции с API в Eleven Labs.

В заключение стоит несколько раз подчеркнуть, что то, что помогает писателю, может оказаться бесполезным для других. Помните, что использование клонированного голоса может помешать процессу скорби или даже вызвать эмоциональное замешательство. То, что проиллюстрировано в этой статье, не является, не может и не должно представлять собой призыв вести себя подобным образом.