Xiaomi ha presentato OmniVoice, un modello di intelligenza artificiale open source per la conversione da testo a voce. Lo strumento supporta centinaia di lingue, inclusa la clonazione vocale e la generazione di parlato personalizzabile. Secondo l'azienda, eccelle particolarmente in cinese e inglese, superando i sistemi commerciali in diversi compiti. Il suo punto di forza: può generare voce in lingue con pochi dati di addestramento, facilitando l'accesso alle lingue minoritarie.
Come OmniVoice gestisce le lingue con scarse risorse 🗣️
OmniVoice utilizza un'architettura basata su transformer e addestramento multi-task per ottenere sintesi vocale in condizioni di dati limitati. Il modello sfrutta rappresentazioni condivise tra le lingue, consentendo di trasferire conoscenze da lingue con abbondanti risorse a quelle con meno. Xiaomi afferma che, in test alla cieca, OmniVoice eguaglia o supera la naturalezza di sistemi proprietari come quelli di Google o Microsoft, specialmente nei toni e nelle intonazioni del cinese. Il codice sorgente e i pesi sono disponibili su GitHub sotto licenza Apache 2.0, permettendo agli sviluppatori di adattarlo alle proprie esigenze.
Ora anche il tuo tostapane potrà lamentarsi in 500 lingue 🤖
Con OmniVoice, qualsiasi startup con tre euro e un computer portatile potrà clonare la voce del proprio vicino per fargli dire che restituisca il trapano. La cosa migliore è che, se non hai dati per addestrare il modello nella tua lingua locale, Xiaomi ti promette che con quattro audio di WhatsApp e un video di TikTok hai già abbastanza. Presto vedremo assistenti vocali negli estintori o nel frigorifero che recitano poesia in swahili. L'unica cosa che manca è che impari a dire mi sono dimenticato la spesa con il tono di colpa appropriato.