A Meta anunciou o modelo generativo de última geração Voicebox, que converte texto em fala e inclui recursos para edição de áudio e trabalho em vários idiomas.

Em uma postagem do Instagram Channels compartilhada pelo CEO da Meta, Mark Zuckerberg, um vídeo mostrou como o Voicebox pode ler texto em diferentes estilos vocais, remover distrações altas de faixas de áudio, aprender e reproduzir vozes de falantes e até produzir saída em diferentes idiomas.

Uma postagem no blog Meta na sexta-feira descreveu como o modelo poderia executar tarefas para as quais não foi especificamente treinado.

O modelo multilíngue também pode produzir fala em inglês, francês, alemão, espanhol, polonês ou português. Outros recursos listados incluem vários recursos de conversão de texto em fala, transferência de estilo, correção de conteúdo, capacidade contextual de conversão de texto em fala e redução de ruído.

(Para as principais notícias de tecnologia do dia, assine nosso boletim informativo de tecnologia, Today’s Cache)

“Esse tipo de tecnologia pode ser usado no futuro para ajudar os YouTubers a editar faixas de áudio com facilidade, permitir que pessoas com deficiência visual ouçam mensagens de texto de amigos com sua voz e permitir que as pessoas falem qualquer idioma estrangeiro com sua própria voz para falar”, Meta disse sobre sua postagem no blog.

Sugeriu que o modelo poderia dar vozes mais naturais a assistentes virtuais e personagens não-jogadores no metaverso.

Zuckerberg disse que o Voicebox ainda é um “projeto de pesquisa”, mas o Meta continuará a desenvolvê-lo.

O videoclipe terminou com uma voz que parecia o chefe do Meta dizendo “mais logo” em polonês.

A Meta desenvolveu modelos de IA para processar várias formas de mídia e tornou vários deles de código aberto para fins de pesquisa.