A MiniMax lança o Speech 2.5: a tecnologia de síntese de fala é inovadora em multilinguismo e reprodução de tons

7 de agosto.MiniMax A empresa apresentou seu modelo de geração de voz de última geração Speech 2.5.. De acordo com fontes oficiais, o modelo estava em seu antecessor Speech 02 Além da versão anterior, a expressividade multilíngue, a precisão da reprodução de tons e o número de idiomas suportados foram aprimorados.

No campo do Conteúdo Gerado por Inteligência Artificial (AIGC), a tecnologia de conversão de texto em fala (TTS) é um componente essencial para obter uma interação homem-computador mais natural. A avaliação dos méritos de um modelo de fala geralmente leva em conta várias dimensões, inclusive a precisão da pronúncia (por exemplo, baixa taxa de erro de palavras), a semelhança entre a fala gerada e o timbre desejado e a ritmicidade natural da fala (por exemplo, se as pausas e os acentos estão de acordo com os hábitos humanos).MiniMax desta atualização está centrada nessas métricas principais.

Atualizações principais: multilinguismo, timbre e cobertura

solo MiniMax divulgação oficial de informações.Speech 2.5 Os principais avanços estão refletidos nas três áreas a seguir:

1. Multilinguismo aprimoradoO modelo foi ainda mais otimizado para o chinês mandarim, ao mesmo tempo em que melhorou seu desempenho nos principais idiomas, como o inglês. Oficialmente, o novo modelo supera seu antecessor em termos de similaridade e ritmo natural, com o objetivo de resolver o problema do "sentido mecânico", comum em cenários multilíngues.
2. Maior precisão na reprodução de tonsReprodução de tons, a capacidade de clonar a voz de um personagem específico, é a atual TTS Um dos pontos principais da concorrência no campo.Speech 2.5 A capacidade de capturar detalhes vocais foi aprimorada, especialmente em cenários complexos, como a reprodução entre idiomas e a preservação de sotaques específicos (por exemplo, sotaques regionais no mesmo idioma), visando a uma maior fidelidade de reprodução. Por exemplo, o modelo pode imitar um estilo específico de sotaque de fala e manter as qualidades vocais do falante original ao trocar de idioma.
3. Cobertura ampliada de idiomasO novo modelo adiciona suporte a idiomas de nicho, como búlgaro, dinamarquês e hebraico, elevando o número total de idiomas para 40. Essa expansão tem implicações práticas para as organizações que precisam globalizar suas implementações de conteúdo.

Aplicações de mercado e impacto no setor

A tecnologia de síntese de fala multilíngue de alta qualidade e seus cenários de aplicação estão se expandindo dos audiolivros tradicionais e da voz de navegação para um campo mais amplo.

Para usuários corporativos, especialmente empresas com presença no exterior, oSpeech 2.5 Esse modelo pode reduzir significativamente o custo da produção de conteúdo multilíngue. Comerciais, vídeos de produtos e locuções de atendimento ao cliente que antes exigiam a contratação de falantes nativos de diferentes países agora podem ser gerados rapidamente usando o modelo, reduzindo significativamente os ciclos e os custos de produção.

Para os criadores de conteúdo, a reprodução personalizada de tons significa que eles podem publicar conteúdo multilíngue com sua própria voz, rompendo as barreiras linguísticas para atingir um público global mais amplo. Isso tem um enorme potencial para aplicações em áreas como vídeos curtos, podcasts e avatares ao vivo.

No setor educacional, a tecnologia também pode ser usada para gerar rapidamente material didático em idiomas de nicho ou para criar materiais didáticos personalizados com dialetos regionais específicos, permitindo uma disseminação mais localizada do conhecimento.

Cenário competitivo do mercado

A síntese de fala não é um caminho emergente e o mercado é altamente competitivo.MiniMax Speech Os principais concorrentes incluem ElevenLabsEste último é conhecido por sua poderosa clonagem vocal e expressão emocional. Enquanto isso.OpenAI (usado em uma expressão nominal) Voice Engine responder cantando Microsoft (usado em uma expressão nominal) VALL-E Modelos como esses também demonstram recursos técnicos sólidos, embora alguns ainda não estejam disponíveis ao público em grande escala.

MiniMax No comunicado à imprensa, foi mencionado que sua Speech O modelo foi VapiePipecat isométricos Agent bem como a adoção doméstica por empresas como a Highway Education e a Himalaya. Ao iterar continuamente o modelo e expandir o suporte a idiomas, aMiniMax Há um desejo claro de competir no mercado global altamente competitivo com preço/desempenho e suporte aprofundado para mercados específicos.

Atualmente.Speech 2.5 Aprovado MiniMax Open Platform e seu site oficial para os usuários.