Специалисты создали нейросеть для создания поддельных голосов
Алгоритм умеет имитировать голос говорящего по фрагменту стороннего аудиофайла.
Группа разработчиков создала алгоритм для синтеза текста в речь (text-to-speech; TTS) на основе нейросетевых моделей Tacotron 2 и WaveNet, который умеет создавать голос, имитирующий говорящего по фрагменту стороннего аудиофайла. Результаты работы опубликованы на arxiv.org в июне 2018 года, открытый исходный код размещён на площадке GitHub.
Для работы алгоритма нужно два аудиофайла: один с примером голоса, который необходимо скопировать, и второй с фразой, которую этим голосом нужно произнести. После этого алгоритм почти в реальном времени преобразует голос из второго аудиофайла, делая его похожим на голос говорящего из первого файла.
Журналисты отмечают хорошее время работы на одном заряде и неплохую заднюю камеру, но недовольны отсутствием MagSafe.
Вы когда-нибудь задумывался, почему итальянский дизайн выглядит так стильно, а российский — так практично? Я вот задумалась. И чем больше копаюсь в этом, тем яснее вижу: тут дело не только в культуре, но и в том, как устроены сами рынки. Давай разберёмся вместе.
Обычно все рассказывают, как ушли из найма и открыли многомиллионный бизнес, а тут всё шиворот-навыворот. Но это отнюдь не история провала, прочтёшь и сделаешь выводы сам...
Решил подключить приоритетное размещение для московского салона красоты. Предварительно подготовился: SEO настроили, отзывы собрали, разделы заполнили по максимуму. Ждём наплыва клиентов.
Но вместо того, чтобы наблюдать бум звонков, я обнаружил карточку студии по запросу «салон красоты» при приближении на 50-60 метров.
Если всё реально так гладко, то Google и Microsoft уже должны настороженно поглядывать в сторону Talo. Если же сервис будет переводить в духе «я твой дом труба шатал», то хотя бы поржём. В любом случае, следим за развитием!
В этом кейсе расскажем, как мы разработали сайт, обеспечили плавный переход со старого сайта на новый без потерь в выдаче, улучшили структуру сайта и сделали его современным и эффективным для бизнеса.
________________
Время настройки бота: 1 минута
Время анализа резюме: 10 секунд
________________
▪ — Настраиваем ИИ бота
▪ — Прописываем промт
▪ — Выгружаем требования к вакансии
▪ — Выгружаем резюме кандидатов, которым отправили оффер|
▪ — Выгружаем резюме и получаем результат
Комментарий недоступен
627 форков, однако...
Хорошая система биометрии снабжается системой антиспуфинга. Синтез - один из видов атак, причем не самый сложный (даже самый продвинутый). Просто не пройдет. К тому же качество синтеза в предложенной системе не ахти. Они просто мультиспикерную TTS обучили, обусловленную на эмбеддинги спикеров (векторы признаков голоса) и новых спикеров добавляют, получаю новый эмбеддинг из образца. Это плохо работает. Есть ситемы voice conversion, они лучше работают. Но там не синтез, а конверсия конкретной записи с голосом одного диктора в такую же запись с голосом другого. Хотя ничего не мешает сначала синтезировать одним голосом, а потом провести конверсию в другой (образец).
Возможное применение в дубляже фильмов. Берем оригинальную дорожку, накладываем на дубляж. Получаем дубляж с голосом оригинального актера.
+другая нейросеть подправляет липсинк, чтобы локализаторам дать полную свободу.
Можно и просто генерировать хорошие голоса, а актеров полностью создавать с нуля. Это огромный плюс для кинематографа будет.
Прекрасно, я считаю! Если будет возможно - это же будет очень круто! Решится проблема хейта дубляжей и желания слушать с оригинальным голосом актера