{"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\/sq\/blog\/novosti-interneta\/opublikovana-ai-model-sinteza-rechi-zonos-podderzhivayushhaya-klonirovanie-golosa","title":{"rendered":"Modeli i sintetizimit t\u00eb z\u00ebrit Zonos, mb\u00ebshtetur nga klonimi i z\u00ebrit, \u00ebsht\u00eb publikuar","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Kompania Zyphra publikoi versionin beta t\u00eb modelit AI p\u00ebr sintez\u00ebn e z\u00ebrit Zonos, n\u00ebn licenc\u00ebn Apache 2.0. Seti i mjeteve shoq\u00ebruese ofron funksionin e klonimit t\u00eb z\u00ebrit, i cili lejon sintez\u00ebn e z\u00ebrit t\u00eb d\u00ebshiruar, p\u00ebr t\u00eb cilin modeli k\u00ebrkon vet\u00ebm nj\u00eb regjistrim referenc\u00eb z\u00ebri 30 sekondash. Sinteza mb\u00ebshtetet n\u00eb anglisht, japonezisht, kinezisht, fr\u00ebngjisht dhe gjermanisht. <\/p>\n

Modeli p\u00ebrfshin 1.6 miliard parametra dhe \u00ebsht\u00eb trajnuar mbi 200 mij\u00eb or\u00eb regjistrimesh audio. Mb\u00ebshtetet sinteza e z\u00ebrit monotone (si n\u00eb audiobooks) dhe e emocionale (si n\u00eb nj\u00eb bised\u00eb t\u00eb drejtp\u00ebrdrejt\u00eb), si dhe sinteza e bazuar n\u00eb nj\u00eb prefiks t\u00eb caktuar (regjistrimi audio me fillimin e fjalimit, mbi t\u00eb cilin modeli sintez\u00eb vazhdimin sipas tekstit t\u00eb dh\u00ebn\u00eb, duke ruajtur karakteristikat origjinale t\u00eb z\u00ebrit, p\u00ebr shembull duke vazhduar t\u00eb flas\u00eb me z\u00eb t\u00eb ul\u00ebt). <\/p>\n

N\u00eb dalje, gjenerohet nj\u00eb tingull me frekuenc\u00eb mostrimi 44kHz. Mb\u00ebshtetet z\u00ebvend\u00ebsimi i insertit t\u00eb sintez\u00ebs p\u00ebr t\u00eb simuluar paraqitjet me disa fol\u00ebs ose p\u00ebr t\u00eb nd\u00ebrtuar biseda interaktive, si dhe shtimi i etiketave p\u00ebr t\u00eb menaxhuar shpejt\u00ebsin\u00eb e fjal\u00ebs, tonalitetin dhe shprehjen e emocioneve si g\u00ebzim, frik\u00eb, trishtim dhe inat. <\/p>\n

Sipas zhvilluesve, nd\u00ebrsa cil\u00ebsia e z\u00ebrit t\u00eb gjeneruar, modeli nuk \u00ebsht\u00eb Inferior ose tejkalon t\u00eb gjitha sistemet publike dhe komerciale t\u00eb sintez\u00ebs s\u00eb z\u00ebrit (n\u00eb teste p\u00ebrfshihet krahasimi me ElevenLabs, Cartesia dhe FishSpeech). Si disavantazh, v\u00ebrehet nj\u00eb p\u00ebrqendrim m\u00eb i lart\u00eb i artefakteve t\u00eb tingullit, si kollitje, zhurma e frym\u00ebmarrjes ose krekosje, n\u00eb fillim ose n\u00eb fund t\u00eb materialit t\u00eb formuar audio. <\/p>\n