{"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\/it\/blog\/novosti-interneta\/opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa","title":{"rendered":"Pubblicato il modello AI di sintesi vocale Zonos, che supporta il cloning della voce","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

L'azienda Zyphra ha pubblicato sotto licenza Apache 2.0 la prima versione beta del modello AI per la sintesi vocale Zonos. Insieme al modello, \u00e8 fornito un toolkit che supporta la funzione di cloning della voce, consentendo di sintetizzare la voce desiderata; per riprodurla, il modello ha bisogno di un campione di registrazione di 30 secondi della voce dell'oratore. La sintesi \u00e8 supportata in inglese, giapponese, cinese, francese e tedesco. <\/p>\n

Il modello comprende 1,6 miliardi di parametri ed \u00e8 stato addestrato su 200.000 ore di registrazioni audio. Supporta la sintesi di voce monotona (come nelle audiolibro) e di voce emozionale (come in una conversazione dal vivo), oltre alla sintesi basata su un prefisso fornito (viene fornita una registrazione audio con l'inizio del discorso, sulla base della quale il modello sintetizza la continuazione del testo indicato, riproducendo le caratteristiche originali della voce, ad esempio continuando a parlare sussurrando). <\/p>\n

L'uscita genera suoni con una frequenza di campionamento di 44 kHz. \u00c8 supportata la sostituzione di inserimenti sintetizzati per simulare performance con pi\u00f9 oratori o costruire dialoghi interattivi, oltre all'aggiunta di etichette per controllare la velocit\u00e0 della parola, il tono e l'espressione di emozioni come gioia, paura, tristezza e rabbia. <\/p>\n

Secondo quanto dichiarato dagli sviluppatori, la qualit\u00e0 della voce generata dal modello non \u00e8 inferiore o supera tutti i sistemi di sintesi pubblicamente disponibili, sia open source che commerciali (nei test \u00e8 incluso un confronto con ElevenLabs, Cartesia e FishSpeech). Tra gli svantaggi si segnala una maggiore concentrazione di artefatti sonori, come tosse, suoni di respiro o scricchiolii, all'inizio o alla fine del materiale sonoro generato. <\/p>\n