{"id":121971,"date":"2025-02-17T14:22:05","date_gmt":"2025-02-17T12:22:05","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa"},"modified":"2025-02-17T14:22:05","modified_gmt":"2025-02-17T12:22:05","slug":"opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa","title":{"rendered":"AI-modellen til tale-syntese Zonos er offentliggjort og underst\u00f8tter stemmekloning","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Virksomheden Zyphra har offentliggjort den f\u00f8rste beta-version af AI-modellen til talesyntese Zonos under Apache 2.0-licensen. Det medf\u00f8lgende v\u00e6rkt\u00f8j underst\u00f8tter stemmekloningsfunktionen, som g\u00f8r det muligt at syntetisere tale med en \u00f8nsket stemme, for hvilken modellen kun har brug for en 30-sekunders referenceoptagelse af taleren. Der supports syntese p\u00e5 engelsk, japansk, kinesisk, fransk og tysk. <\/p>\n

Modellen d\u00e6kker 1,6 milliarder parametre og er tr\u00e6net p\u00e5 200.000 timer af lydoptagelser. Der supports syntese af monoton tale (som i lydb\u00f8ger) og f\u00f8lelsesm\u00e6ssig tale (som i en samtale), samt syntese baseret p\u00e5 et angivet pr\u00e6fiks (en lydoptagelse med begyndelsen af talen gives, hvorefter modellen syntetiserer forts\u00e6ttelsen baseret p\u00e5 den angivne tekst og reproducerer de oprindelige taleegenskaber, for eksempel ved at tale hviskende). <\/p>\n

Udenfor genereres lyden med en samplingfrekvens p\u00e5 44 kHz. Der supports inds\u00e6ttelse af syntetiserede segmenter til at simulere optr\u00e6dener med flere talere eller skabe interaktive dialoger, samt tilf\u00f8jelse af etiketter til kontrol af tales hastighed, toneh\u00f8jde og udtryk for f\u00f8lelser som gl\u00e6de, frygt, sorg og vrede. <\/p>\n

If\u00f8lge udviklerne er kvaliteten af den genererede tale ikke ringere end eller overg\u00e5r alle offentligt tilg\u00e6ngelige \u00e5bne og kommercielle syntesesystemer (i testene gives der sammenligning med ElevenLabs, Cartesia og FishSpeech). Ulemperne inkluderer en h\u00f8jere koncentration af lydartefakter, s\u00e5som hosten, \u00e5ndedr\u00e6tslyd eller knirkelyde, i begyndelsen eller slutningen af det genererede lydmateriale. <\/p>\n