Gineann MAI-Voice-1 de chuid Microsoft nóiméad gutha i níos lú ná soicind: seo an chaoi a bhfuil sé mar aidhm aige guthú "nádúrtha" a thabhairt chuig Copilot agus aon aip.

Tá MAI-Voice-1 tugtha isteach ag Microsoft, córas sintéise cainte a dhíríonn ar luas agus ar cháilíocht fuaime. Deartha le bheith comhtháite i dtáirgí agus i dtaithí laethúla, tagann an t-inneall gutha seo le huaillmhianta soiléire: fuaim nádúrtha, freagairt go han-tapa agus imscaradh a éascú gan chumhacht ríomhaireachta shuntasach.

Is é an sprioc ná guth a dhéanamh ina chomhéadan sreabhach do chúntóirí agus d’ábhar. I dtástálacha agus i léirithe poiblí, seasann an tsamhail amach as a héifeachtúlacht: atá in ann nóiméad iomlán de ghuthú a tháirgeadh i níos lú ná soicind, ag cothabháil ton réalaíoch agus rialaithe do stíleanna léitheoireachta éagsúla.

MAI-Guth-1: Guth nádúrtha agus feidhmíocht iontach

Is é an fheidhmíocht inference an sonra teicniúil is suntasaí. Gineann an córas 60 soicind fuaime beagnach láithreach ag baint úsáide as GPU amháin, rud a fhágann gur rogha an-iomaíoch é d’eispéiris a bhfuil freagairt láithreach ag teastáil uathu.

Is príomhcharachtar í an cháilíocht freisin: an timbre, an ton agus na sosanna léiritheach agus inchreidte, le tacaíocht do chásanna aonghuthacha nó ilghuthacha. Is í an chothromaíocht seo idir dílseacht agus luas an eochair do ghlór sintéiseach nach gcuireann isteach ar an ábhar, ach a ghabhann leis.

Cá ndéantar tástáil air agus cad iad na huirlisí a chuireann sé ar fáil

Tá MAI-Voice-1 comhtháite anois i Copilot Daily agus Podchraoltaí, áit a gcuireann sé achoimrí labhartha agus ábhar a ghintear ar an toirt chun cinn. Tá sé ar fáil i Saotharlanna Copilot freisin., an timpeallacht ina léiríonn Microsoft gnéithe nua ionas gur féidir le duine ar bith triail a bhaint astu.

Sa spás tástála seo, cuireann an comhlacht eispéiris scéalaíochta agus cainte léiritheacha ar fáil atá dírithe ar acmhainneacht an mhúnla a iniúchadh. Ligeann taispeántais duit tástáil a dhéanamh. conas a fhreagraíonn AI stíleanna léitheoireachta níos mothúchánacha nó níos tuairisciúla, agus conas a choinníonn sé soiléireacht fiú ag luasanna arda.

Smaointe agus cásanna úsáide

Tá raon leathan feidhmchlár ann. scéalaíocht, treoracha fuaime nó machnaimh, cuidíonn léiritheacht an mhúnla le hintinn a chur in iúl gan a bheith róbatach, riachtanas a bhfuil luach níos mó agus níos mó air in ábhar tumtha.

I réimse an ghnó, is féidir le giniúint gutha luas a chur leis oiliúint inmheánach, seirbhís do chustaiméirí nó píosaí ilmheán le haghaidh margaíochta. Laghdaíonn luas MAI-Voice-1 amanna léiriúcháin agus cuireann sé ar chumas daoine athrá a dhéanamh go dtí go bhfaighidh siad an ton ceart.

Líne gheallmhar eile is ea iad siúd a teastaíonn latencies an-íseal chun go bhfuaimneoidh siad níos nádúrtha beoLe hinneall gasta agus solúbtha, Is fusa guth a chomhtháthú i sreafaí idirghníomhacha gan brath ar bhonneagair mhóra.

Cén fáth go bhfuil sé tábhachtach don táirge agus do chostais

Éifeachtúlacht ríomhaireachta ceadaíonn sé scálú gan costais a mhéadú: a bheith in ann oibriú le GPU amháin Laghdaíonn sé bacainní iontrála agus osclaíonn sé an doras do thionscadail phíolótacha agus imscaradh níos inrochtana, do fhoirne táirgí agus do chruthaitheoirí neamhspleácha araon.

Ag an am céanna, leagann Microsoft béim ar thábhacht dearadh freagrach ina chórais ghutha: díríonn an léiriú ar thuiscint agus ar úsáideacht, gan mothúcháin ná intinn a chur i leith don mhúnla. ​​I bhfocail eile, guth cinnte nach gcuireann i gcuimhne duit go bhfuil duine ar an taobh eile den chainéil.

Leis an togra seo, tá sé mar aidhm ag MAI-Voice-1 a bheith ina phíosa lárnach do eispéiris labhartha an chéad ghlúin eile: Gasta, solúbtha, agus le fuaim mhealltach, atá deartha chun comhtháthú gan uaim i dtáirgí ina ndéanann am freagartha agus cáilíocht an difríocht.