เมื่อเร็วๆ นี้ Webmaster Home รายงานเกี่ยวกับความก้าวหน้าของเทคโนโลยี AI ที่สะดุดตา: ระบบสังเคราะห์เสียงพูดที่เรียกว่า NaturalSpeech 3 ด้วยตัวแปลงสัญญาณการสลายตัวและแบบจำลองการแพร่กระจายที่เป็นนวัตกรรม ระบบสามารถสร้างเสียงพูดที่เป็นธรรมชาติสูงโดยไม่มีตัวอย่าง เหนือกว่าระบบ TTS ที่มีอยู่ในการทดสอบเกณฑ์มาตรฐานหลายรายการ ซึ่งแสดงให้เห็นถึงความแข็งแกร่งทางเทคนิคที่แข็งแกร่ง นี่เป็นความก้าวหน้าครั้งสำคัญอย่างไม่ต้องสงสัยในด้านการสังเคราะห์เสียงพูด และยังบ่งบอกถึงความเป็นไปได้มากขึ้นสำหรับเทคโนโลยีการโต้ตอบด้วยเสียงในอนาคต
หน้าแรกของผู้ดูแลเว็บรายงานระบบการสังเคราะห์เสียงพูดที่เป็นนวัตกรรมใหม่ที่เรียกว่า NaturalSpeech 3 ซึ่งใช้ตัวแปลงสัญญาณแบบแยกส่วนและแบบจำลองการแพร่กระจายเพื่อสร้างเสียงพูดที่เป็นธรรมชาติในสถานการณ์ที่ไม่มีตัวอย่าง ระบบบรรลุการสร้างแบบจำลองรูปคลื่นคำพูดที่แม่นยำผ่านตัวแปลงสัญญาณประสาท และทำงานได้ดีในการทดสอบเกณฑ์มาตรฐานหลายรายการ ซึ่งมีประสิทธิภาพเหนือกว่าระบบ TTS ที่มีอยู่ นักวิจัยเสนอให้ปรับปรุงโมเดลการตรวจจับคำพูดสังเคราะห์ให้แข็งแกร่งขึ้นเพื่อจัดการกับความเสี่ยงด้านการละเมิดที่อาจเกิดขึ้น ซึ่งสอดคล้องกับหลักการ AI ที่รับผิดชอบของ Microsoft
การเกิดขึ้นของ NaturalSpeech 3 ไม่เพียงแต่นำมาซึ่งความก้าวหน้าครั้งใหม่ในเทคโนโลยีการสังเคราะห์เสียงพูดเท่านั้น แต่ยังเน้นย้ำถึงความสำคัญของการประยุกต์ใช้อย่างรับผิดชอบในการพัฒนาเทคโนโลยี AI ในอนาคต เราหวังว่าจะมีนวัตกรรมทางเทคโนโลยีที่คล้ายกันมากขึ้น เพื่อให้ผู้คนได้รับประสบการณ์การโต้ตอบด้วยเสียงที่สะดวกและเป็นธรรมชาติมากขึ้น ในขณะเดียวกันก็หลีกเลี่ยงความเสี่ยงที่อาจเกิดขึ้นได้อย่างมีประสิทธิภาพ