Meta lança modelo de inteligência artificial Spirit LM para imitar vozes humanas

Terça-feira 22 Outubro 2024 - 08:45

A Meta lançou o seu novo modelo de código aberto, “Spirit LM”, que aborda os desafios relacionados com os modelos multimodais em inteligência artificial na geração de som.

O novo modelo pretende proporcionar uma experiência áudio mais natural e expressiva, o que é um passo avançado no desenvolvimento de robôs inteligentes capazes de comunicação vocal de formas mais complexas e realistas.

O modelo “Spirit LM” baseia-se num modelo de linguagem pré-treinado contendo 7 mil milhões de parâmetros, e distingue-se pela sua capacidade de processar som de forma diferente dos modelos tradicionais que dependem de tecnologias de reconhecimento automático de fala (ASR ).

Meta sublinha que a abordagem tradicional resulta na perda de muitas expressões naturais da voz. Assim sendo, o Spirit LM conta com a utilização de fonemas, tons e alturas para ultrapassar estas limitações, permitindo-lhe produzir sons naturais e aprender novas tarefas, incluindo o reconhecimento de fala, a conversão de som de texto em texto e a classificação de voz.

A Meta revelou este modelo num artigo de investigação e mencionou também os detalhes da investigação que levou ao desenvolvimento do “Spirit LM”, bem como amostras do desempenho áudio do modelo, dando uma ideia clara das suas capacidades futuras.

O modelo está agora disponível como um projeto de código aberto para programadores e investigadores utilizarem e expandirem, e espera-se que seja utilizado no futuro em meta-aplicações como o WhatsApp, Instagram e Facebook, permitindo aos utilizadores interagir com a inteligência artificial através da voz natural. . conversas repletas de expressões semelhantes ao modo de voz avançado recentemente introduzido pela OpenAI.