Inteligência artificial da Microsoft imita voz humana

A Microsoft anunciou no início deste ano de 2023 a criação de uma inteligência artificial que pode imitar a voz humana em apenas alguns segundos. O VALL-E é capaz de imitar uma voz humana em apenas três segundos. De acordo com a Microsoft, o recurso é uma nova ferramenta de linguagem para alimentar os text-to-speech (TTS), texto para fala, em português, que permite fazer com que textos transformados em áudio sejam mais naturais.

A tentativa é busca naturalizar, ou até mesmo humanizar, vozes de aplicativos e assistentes de áudio como Google Tradutor. Dessa forma, os textos transformados em fala podem receber uma leitura com maior naturalidade, menos robotizadas, como são atualmente. De acordo com a Microsoft, a nova IA é capaz de sintetizar as falas e entonações de vozes humanas em diversos contextos.

Inteligência Artificial da Microsoft utilizou mais de 60 mil horas de gravações para treino

Para que a VALL-E, a inteligência artificial da Microsoft que imita vozes humanas, pudesse identificar contextos, tom de voz e características, a Microsoft utilizou mais de 60 mil horas de gravações para treino. Assim, a IA é capaz de identificar situações e contextos das falas, adequando entonações no momento da leitura de um texto, por exemplo.

A inteligência artificial da Microsoft identifica a entonação e o tom da voz e, em seguida, imita a voz para a leitura do texto. Embora a empresa tenha apresentado um grande avanço, as gravações utilizadas foram apenas disponibilizadas no idioma inglês. Dessa forma, o VALL-E suporta apenas a língua inglesa por enquanto.

Os resultados das simulações feitas pelo VALL-E foram apresentados pela Microsoft no GitHub. Em alguns casos, a inteligência artificial foi capaz de reproduzir as vozes com perfeição durante a leitura de textos, sendo capaz de captar entonações e tornar a reprodução coerente. Contudo, em alguns casos, o VALL-E manteve a robotização da voz.

Imagem: rafapress / shutterstock.com

Topicos relacionados