OpenVoice は、多用途のインスタント音声クローン作成機能を提供する AI ツールであり、ユーザーは正確な音色クローン作成により音声スタイルを複製およびカスタマイズできます。 OpenVoice は、MyShell AI と MIT が開発した最先端の音声クローン技術です。

GitHubのトレンドに、OpenVoiceという音声自動生成のコードがありましたので紹介します。 今回の成果物 OpenVoiceでは、ユーザが使用した短い音声ファイルから、感情表現(cheerful,sad, angryなど)を伴った音声を作成することができます。 今回は、Google ColabからGradio ...

As we detailed in our paper and website, the advantages of OpenVoice are three-fold: 1. Accurate Tone Color Cloning. OpenVoice can accurately clone the reference tone color and generate speech in ...

1週間分の生成AI関連論文の中から重要なものをピックアップし、解説をする連載です。第28回目は、ボイスクローンした後、他の言語へのTTS、そして感情を含む細かい表現が可能な技術「OpenVoice」など、生成AI最新論文の概要5つをお届けします。 短い音声 ...

Text-to-Speech 合成 (TTS) では、Instant Voice Cloning (IVC) を使用すると、TTS モデルで、基準話者に対する追加のトレーニングを必要とせずに、短いオーディオ サンプルを使用して任意の基準話者の音声のクローンを作成できます。この技術は、ゼロショット ...

In Text-to-Speech synthesis (TTS), Instant Voice Cloning (IVC) enables the TTS model to clone the voice of any reference speaker using a short audio sample, without requiring additional training for ...

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 マイクロソフトがスマホ上でローカル実行可能な小規模言語モデル「Phi-3」を発表 Microsoftは小規模言語モデル（SLM）「Phi ...

OpenVoice Server is a FastAPI application that provides endpoints for uploading audio files, performing text-to-speech conversion, and synthesizing speech from text using a specified voice and style.