OpenAI introduce una herramienta de audio que tiene la capacidad de replica

Hoy hemos divulgado detalles y resultados preliminares de una vista previa en pequeña escala de un modelo denominado Voice Engine, el cual emplea texto y una única muestra de audio de 15 segundos para producir un habla natural que se asemeja notablemente al hablante original. La empresa, dirigida por Sam Altman, ha destacado en un comunicado que es sorprendente cómo un modelo pequeño con solo una muestra de 15 segundos puede generar voces emotivas y realistas.

El proceso es simple para el usuario: solo necesita proporcionar esa muestra. Una vez que el programa Voice Engine la tenga, puede leer cualquier texto con el timbre y tono de esa voz, independientemente del idioma del texto. Por ejemplo, un hablante de español puede proporcionar una muestra en su idioma y luego pedir al programa que lea un texto en inglés, chino u otros idiomas con su misma voz.

Además, el Voice Engine puede utilizarse directamente para la traducción de audios. Es importante destacar que al traducir, conserva el acento nativo del hablante original. Por ejemplo, si se genera inglés a partir de una muestra de audio de un hablante de francés, el habla resultante mantendrá un acento francés.