Точки над ИИ

Перекличка всех, кто мечтает разговаривать с животными Китайский гигант Baidu подал патентную заявку на ИИ-систему, способную расшифровывать звуки животных и переводить их на человеческий язык. Но вообще я много думал об этом, и в чистом виде такой переводчик вряд ли обрадует владельцев кошек и собак. Прямой перевод может звучать слишком грубо: "Дай! Еда! Туалет! Спаривание!". Но Байду наверняка будут "причесывать" речь, делая ее более благозвучной😁 Пока технология находится на стадии исследований. Еще любопытные проекты по теме – Project CETI и Species Project. #speechSynthesis@TochkiNadAI#fun@TochkiNadAI

Открытая TTS-модель, которая умеет кричать, смеяться и звучать почеловечески Проект Dia 1.6B — это не лаборатория OpenAI и не результат многомиллионного RnD. Это работа двух студентов из Кореи без бюджета, компании и предыдущего опыта в AI. Один из них вообще ещё в армии))) Но результат впечатляющий. Dia — это открытая голосовая модель с 1,6 млрд параметров, способная выдавать речь с эмоциями, менять голос, имитировать крики, смех и кашель, и запускаться локально без ограничений. Идея появилась, когда ребята залипли в фичу подкастов от NotebookLM, но захотели большего. Попробовали все TTS API, не понравилось. Потом Google дал им доступ к TPU и они за три месяца выкатили полноценную модель, обученную с нуля. Звучит дико, но это правда круто 🔗GitHub 🔗HuggingFace #speechSynthesis@TochkiNadAI