{"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\/fr\/blog\/news\/opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa","title":{"rendered":"Mod\u00e8le AI de synth\u00e8se vocale Zonos publi\u00e9, prenant en charge le clonage de la voix","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

L'entreprise Zyphra a publi\u00e9 sous licence Apache 2.0 la premi\u00e8re version b\u00eata de son mod\u00e8le AI pour la synth\u00e8se vocale Zonos. L'outil propos\u00e9 avec le mod\u00e8le prend en charge la fonction de clonage vocal, permettant de synth\u00e9tiser la parole dans la voix souhait\u00e9e ; pour cela, il suffit de fournir un enregistrement de 30 secondes de la voix de l'orateur. La synth\u00e8se est support\u00e9e en anglais, japonais, chinois, fran\u00e7ais et allemand. <\/p>\n

Le mod\u00e8le compte 1,6 milliard de param\u00e8tres et est entra\u00een\u00e9 sur 200 000 heures d'enregistrements audio. Il prend en charge la synth\u00e8se de la parole monotone (comme dans les livres audio) et de la parole \u00e9motionnelle (comme dans une conversation vivante), ainsi que la synth\u00e8se \u00e0 partir d'un pr\u00e9fixe donn\u00e9 (on fournit un enregistrement audio du d\u00e9but de la parole, sur la base duquel le mod\u00e8le synth\u00e9tise la suite selon le texte indiqu\u00e9, reproduisant les caract\u00e9ristiques d'origine de la voix, par exemple, en continuant \u00e0 parler \u00e0 voix basse). <\/p>\n

La sortie g\u00e9n\u00e8re un son avec une fr\u00e9quence d'\u00e9chantillonnage de 44 kHz. Elle prend en charge l'insertion de segments \u00e0 synth\u00e9tiser pour simuler des performances avec plusieurs locuteurs ou construire des dialogues interactifs, ainsi que l'ajout d'\u00e9tiquettes pour contr\u00f4ler la vitesse de la parole, la tonalit\u00e9 et l'expression d'\u00e9motions telles que la joie, la peur, la tristesse et la col\u00e8re. <\/p>\n

Selon les d\u00e9veloppeurs, la qualit\u00e9 de la parole g\u00e9n\u00e9r\u00e9e par le mod\u00e8le est \u00e9quivalente ou sup\u00e9rieure \u00e0 celle de tous les syst\u00e8mes de synth\u00e8se ouverts et commerciaux disponibles publiquement (des comparaisons avec ElevenLabs, Cartesia et FishSpeech sont fournies dans les tests). Parmi les inconv\u00e9nients, on note une concentration plus \u00e9lev\u00e9e d'artefacts sonores, tels que la toux, le bruit de la respiration ou les grincements, au d\u00e9but ou \u00e0 la fin du mat\u00e9riel sonore g\u00e9n\u00e9r\u00e9. <\/p>\n