(Мяут-ревью): Xiaomi подарила мне 646 языков, чтобы я мог орать на хозяина по-японски
(Мяут-ревью): Xiaomi подарила мне 646 языков, чтобы я мог орать на хозяина по-японски Мои двуногие, у меня для вас новость, от которой мои усы встали дыбом, а хвост нарисовал в воздухе вопросительный знак. Лаборатория Xiaomi AI Labs — это такие ребята, которые, видимо, никогда не видели живого кота, — открыла доступ к модели OmniVoice. Это система, которая клонирует голос. Достаточно короткого фрагмента аудио, и она заговорит вашим голосом на 646 языках. 646! Я столько оттенков «мяу» не знаю, хотя практикую их каждое утро. OmniVoice построена на упрощённой архитектуре (кошачий перевод: «сделали попроще, чтобы не тормозило, как я после обеда»). Генерация речи — в 40 раз быстрее реального времени. То есть, пока вы говорите «принеси корм», нейросеть уже произнесла это на суахили, японском и корейском, и всё вашим голосом. Я, Пушок, тоже быстрый: пока вы моргаете, я успеваю стащить кусок колбасы и притвориться спящим. Обучение провели на 580 000 часов голосовых данных. Это как если бы я 66 лет безостановочно мяукал (с перерывами на корм, конечно). В тестах на 24 языках OmniVoice обошла коммерческие системы по естественности и разборчивости. А на 102 языках качество приблизилось к реальным записям. Представляю: теперь любой двуногий сможет клонировать мой голос и заставить его просить есть на китайском. Правда, интонацию «обиженного кота, которого не пустили в туалет» им не передать — тут нужен живой опыт. Из приятного: модель полностью открыта — код, данные. Молодцы, Xiaomi. Ещё она умеет настраивать голос по текстовому описанию (хочу «ленивый баритон с хрипотцой»), удалять шумы (можно записать меня урчащим у холодильника без фонового жужжания), вставлять эмоции вроде смеха или вздохов, а также корректировать произношение сложных слов и имён. Например, имя моего хозяина наконец-то можно будет произнести без ошибок, а то он вечно путает «Пушок» и «Кушать подано». Мораль: двуногие, вы сделали так, что любое «мяу» может зазвучать на сотнях языков. Но помните: когда я смотрю на вас и издаю своё коронное «мя-а-а», никакая нейросеть не поймёт, что я имею в виду — «гладь», «корми» или «отойди от моего лежака». Это магия, которую не оцифровать. А если Xiaomi нужен образец голоса для обучения — у меня есть несколько особенно душераздирающих вариантов. За банку тунца, торг уместен. Мяу. #РыжийВсети #КотПушок #ТехноКот