تحول در تبدیل متن به گفتار: معرفی مدل Turbo 2.5 با تأخیر کم و کیفیت بالا

شرکت هوش مصنوعی ElevenLabs به تازگی از نسخه جدید مدل پیشرفته تبدیل متن به گفتار، Turbo 2.5، رونمایی کرده است. این مدل با پشتیبانی از ۳۲ زبان مختلف، اکنون زبان‌های جدیدی همچون ویتنامی، مجارستانی و نروژی را نیز شامل می‌شود. یکی از ویژگی‌های برجسته Turbo 2.5، کاهش قابل توجه تأخیر در تولید صدا است که تجربه‌ای بهینه و سریع را به کاربران ارائه می‌دهد.

افزایش سرعت و عملکرد در زبان‌های مختلف

براساس اعلام ElevenLabs، Turbo 2.5 توانسته است سرعت تولید گفتار در زبان‌های هندی، فرانسوی، اسپانیایی، ماندارین و ۲۷ زبان دیگر را تا سه برابر افزایش دهد. همچنین، زبان انگلیسی در این نسخه ۲۵ درصد سریع‌تر شده است. این بهبودها باعث شده‌اند که توسعه‌دهندگان بتوانند از API Turbo 2.5 در سخت‌افزارهایی مانند عینک‌های هوشمند استفاده کنند، تا به کاربرانی که با مشکلات بینایی مواجه‌اند، امکان تبدیل متن به گفتار و شنیدن آن را بدهند. این مدل همچنین برای صداگذاری کاراکترهای ویدیوگیم‌ها نیز مناسب است.

عملکرد بی‌نظیر با تأخیر کم

مدل Turbo 2.5 با کیفیت بالا و تأخیر کم، قادر است متن را به گفتار تبدیل کرده و خروجی صوتی را در کمتر از ۴۰۰ میلی‌ثانیه ارائه دهد. ElevenLabs، که در سال ۲۰۲۲ تأسیس شده و در حال حاضر حدود ۴۰ کارمند دورکار دارد، قصد دارد تا پایان سال ۲۰۲۴ این تیم را به ۱۰۰ نفر افزایش دهد.

ابزار جدید AI Voice Isolator

علاوه بر این، ElevenLabs اخیراً ابزار جدیدی به نام AI Voice Isolator معرفی کرده است که به کاربران این امکان را می‌دهد تا نویز و صداهای ناخواسته را از ویدیوها و پادکست‌های خود حذف کنند. با استفاده از این ابزار، کافی است محتوای مورد نظر را آپلود کنید و مدل پس از پردازش، نویز آن را حذف خواهد کرد.

با نسخه جدید Turbo 2.5 و ابزار AI Voice Isolator، ElevenLabs گام بلندی در جهت بهبود کیفیت و سرعت تبدیل متن به گفتار برداشته است و توانسته است تجربه کاربران را به سطح جدیدی ارتقا دهد.