Clonagem de voz
A clonagem de voz faz um modelo de conversão de texto em fala falar com a voz de uma pessoa específica, muitas vezes a partir de apenas alguns segundos de gravação.
A clonagem zero-shot não precisa de treinamento: você dá ao modelo um clipe curto, por exemplo de três segundos, e ele imita essa voz para texto novo. Alguns modelos também oferecem design de voz, em que você descreve uma voz com palavras. A qualidade depende do clipe, e um áudio limpo de um único falante funciona melhor.
Clonar a voz de alguém sem permissão pode infringir a lei e viabilizar fraudes, então use apenas vozes às quais você tem direito. Alguns projetos adicionam uma marca d'água inaudível à saída, e as licenças podem proibir a personificação ou limitar o modelo a uso não comercial. Leia ambos antes de construir um produto sobre um modelo de clonagem.
Termos relacionados
- Conversão de texto em fala (TTS) Modelos de conversão de texto em fala transformam texto escrito em áudio falado, e muitos conseguem copiar uma voz a partir de uma amostra curta.
- Licença não comercial Uma licença não comercial permite usar um modelo para pesquisa, estudo e projetos pessoais, mas não para ganhar dinheiro com ele.