גמיני מוסיף יכולות שיבוט קול יותר מציאותיות ודיבור דרמטי
גוגל מרחיבה את יכולות המודלים של אינטליגנציה מלאכותית גמיני עם טכנולוגיית טקסט לדיבור חדשה המיועדת לייצר קולות יותר ביטויים ועם צליל טבעי. המערכות האחרונות יכולות לשחזר מגוון רחב יותר של מאפייני קול, מה שמאפשר לדיבור המיוצר לשקף שינויים בטון, מבטא, קצב ורגש.
העדכון הוא חלק מהפיתוח הרחב יותר של משפחת גמיני, כאשר החברה ממשיכה להתקדם מעבר לייצור טקסט בסיסי אל מערכות אינטליגנציה מלאכותית מולטי-מודליות המסוגלות לעבוד עם קול, תמונות, וידאו וצורות תוכן אחרות.
בין ההצעות החדשות נמצאות גמיני פלאש TTS וגמיני פלאש-לייט TTS, המעניקות למשתמשים ולמפתחים שליטה רבה יותר על כיצד הדיבור המיוצר מועבר. במקום פשוט להמיר טקסט כתוב למילים מדוברות, המודלים יכולים לעקוב אחרי הוראות מפורטות המתארות כיצד שורה מסוימת צריכה להישמע, כולל שינויים בקצב, בעוצמה, הפסקות, לחישות, צחוק ורמזים קוליים אחרים.
גוגל אומרת שהטכנולוגיה שלה יכולה לייצר קולות מקוריים מתיאורים בשפה טבעית ותומכת ביותר מ-100 שפות ודיאלקטים. החברה גם עושה זמינה ספרייה גדולה של קולות מוכנים לשימוש למטרות הפקה, בעוד דוגמת קול קצרה יכולה לשמש ליצירת קול סינתטי עקבי כאשר למשתמש יש את ההרשאה הנדרשת.
הטכנולוגיה מתאימה במיוחד למצבים הכוללים דיאלוגים וביצועים מבוססי דמויות. תסריט אחד יכול להיות מומר לשיחה הכוללת קולות שונים, כאשר המערכת שומרת על עקביות בין הדמויות בהקלטות ארוכות יותר. יכולות כאלה עשויות להיות שימושיות לפודקאסטים, ספרי שמע, דיבוב, וידאו מסופר ואפליקציות מבוססות קול.
השיפורים משקפים גם את התחרות הגוברת בשוק הקולות המיוצרים על ידי אינטליגנציה מלאכותית, שבו חברות מנסות לגרום לדיבור הסינתטי להישמע יותר טבעי וביטוי. הבדיקות של גוגל עצמה הראו תוצאות חזקות במספר הערכות איכות קול, אם כי שירותים מתחרים גם ביצעו היטב בקטגוריות ספציפיות הקשורות לריאליזם קול ודיוורסיטי.
הטכנולוגיה החדשה אינה מוגבלת רק למפתחים. גוגל החלה לשלב את המודלים הקוליים שלה במוצרים כמו NotebookLM, בעוד גמיני פלאש-לייט TTS גם מוצג בגוגל וידס. מפתחים יכולים לגשת למודלים דרך כלי הפיתוח וה-APIs של גוגל, מה שמאפשר פתיחת הטכנולוגיה למגוון רחב יותר של יישומים.
שיבוט קול גם מעלה שאלות חשובות לגבי הסכמה, חיקוי ושימוש פוטנציאלי לרעה בקולות סינתטיים. לכן גוגל הציגה אמצעי זהירות המחייבים הרשאה לשחזר את קולו של אדם ומשתמשת בטכנולוגיות כמו SynthID ו-C2PA כדי לעזור לזהות תוכן שנוצר על ידי אינטליגנציה מלאכותית.
זמינות של חלק מהפונקציות של שיבוט קול גם כפופה להגבלות אזוריות, משקפת את הסביבות הרגולטוריות והחוקיות השונות סביב מדיה סינתטית.
עם ההתפתחויות הללו, טכנולוגיית הדיבור של גמיני מתקדמת לכיוון גישה יותר ממוקדת בביצועים שבה קולות המיוצרים על ידי אינטליגנציה מלאכותית יכולים להעביר לא רק מילים אלא גם אלמנטים של העברה ורגש. השינוי מדגים כיצד אינטליגנציה מלאכותית גנרטיבית משולבת יותר ויותר בהפקות יצירתיות, בעוד השאלות סביב הסכמה, שקיפות ושימוש אחראי נותרות מרכזיות לפיתוח טכנולוגיית שיבוט הקול.
-
20:00
-
19:47
-
19:32
-
19:15
-
19:00
-
18:42
-
18:21
-
18:05
-
17:45
-
17:24
-
17:10
-
16:47
-
16:32
-
16:16
-
15:50
-
15:32
-
15:15
-
15:00
-
14:41
-
14:21
-
14:05
-
13:45
-
13:30
-
13:13
-
12:47
-
12:30
-
12:12
-
11:47
-
11:32
-
11:15
-
10:50
-
10:32
-
10:15
-
10:00
-
09:42
-
09:25
-
09:09
-
08:47
-
08:32
-
08:15
