#Звук

Наскільки добре моделі ШІ можуть фіксувати емоції за звуком?

В умовах еволюції розмовних мовних моделей однією з головних проблем є відсутність метрик оцінювання, які б виходили за рамки простого генерування тексту.

ElevenLabs випускає безплатний ШІ-ізолятор голосу

ElevenLabs додав до свого портфоліо ще один інструмент — Voice Isolator, що дозволяє авторам видаляти небажані шуми та звуки з будь-якого контенту — від фільму до подкасту чи відео на YouTube.

ElevenLabs розширює можливості штучного інтелекту, випускаючи інструмент для створення звукових ефектів до відео

ElevenLabs, стартап, що займається розробкою голосового штучного інтелекту, робить черговий крок вперед у сфері створення контенту, випускаючи інструмент з відкритим кодом для автоматичного додавання звукових ефектів до відео.

Stability AI представляє новий Stable Audio Open

Stability AI розширює свої зусилля в галузі генеративного ШІ для обробки аудіо, випустивши Stable Audio Open 1.0.

ElevenLabs презентує модель штучного інтелекту, що генерує музику

ElevenLabs, стартап, що займається розробкою голосового штучного інтелекту, представив нову модель, яка може перетворювати текстові підказки на пісні.

ElevenLabs впроваджує штучний інтелект для створення звукових ефектів

ElevenLabs, новий стартап у сфері штучного інтелекту, заснований колишніми співробітниками Google і Palantir, знову здіймає хвилю в світі штучного інтелекту, оголосивши про свою останню нову модель перетворення тексту в звук.

Підхід глибокого навчання, розроблений для створення реалістичних пташиних пісень для біологів та екологів

Розвиток глибокого навчання справив глибокий вплив на різні сфери, і одним з інтригуючих застосувань є його роль у моніторингу рідкісних птахів за їхніми піснями

Тривимірні моделі тіла відтепер зі звуком

У той час як комп'ютерний зір приділяє значну увагу 3D-моделюванню людського тіла, завдання моделювання акустичної сторони і генерування 3D-просторового звуку з мови і рухів тіла є менш дослідженим.

Salesforce AI запускає GlueGen

У сфері моделей перетворення тексту в зображення (T2I), що стрімко розвивається, GlueGen представляє новий підхід для підвищення гнучкості та функціональності цих моделей. Моделі T2I продемонстрували вражаючі можливості у створенні зображень з текстових описів, але вони були обмежені з точки зору модифікації та розширення.

ШІ-фреймворк для створення композиційного аудіо з великими мовними моделями

Нова галузь мультимодального штучного інтелекту (ШІ) поєднує візуальні, слухові та текстові дані, пропонуючи потенційні застосування в різних сферах — від персоналізованих розваг до покращення доступності. Природна мова відіграє ключову роль у покращенні розуміння та комунікації в різних сенсорних сферах.