Kako usposobiti model glasu umetne inteligence?

Kako usposobiti model glasu umetne inteligence?

Kratek odgovor: Model glasu umetne inteligence usposobite z uporabo odobrenih, čistih posnetkov, natančnih prepisov, skrbne predobdelave, nato pa ga natančno nastavite in preizkusite na resničnih scenarijih. Boljše rezultate boste dosegli, če bo nabor podatkov ostal dosleden glede na mikrofon, prostor, tempo in ločila. Če se kakovost poslabša, popravite podatke, preden spremenite nastavitve učenja.

Ključne ugotovitve:

Soglasje : Učite samo glasove, ki so v vaši lasti ali za katere imate izrecno pisno dovoljenje za uporabo.

Posnetki : V vseh sejah uporabljajte en mikrofon, eno sobo in eno raven energije.

Prepisi : Natančno ujemanje vsake izgovorjene besede, vključno s številkami, polnili, imeni in ločili.

Vrednotenje : Testirajte z neurejenimi, pravimi skripti, ne le z izpiljenimi predstavitvenimi vrsticami.

Upravljanje : Pred uporabo naučenega glasu opredelite dostop, razkritje in prepovedane uporabe.

Kako usposobiti infografiko modela glasu umetne inteligence
Članki, ki jih boste morda želeli prebrati po tem:

🔗 Ali lahko uporabljam glas umetne inteligence za videoposnetke na YouTubu?
Spoznajte zakonitost, monetizacijo in najboljše prakse za pripovedovanje z umetno inteligenco.

🔗 Ali je pretvorba besedila v govor umetna inteligenca in kako deluje?
Razumeti, kako TTS uporablja modele umetne inteligence za ustvarjanje glasov.

🔗 Bo umetna inteligenca nadomestila igralce v filmih in sinhronizaciji?
Raziščite vpliv na industrijo, ogrožena delovna mesta in nove priložnosti.

🔗 Kako učinkovito uporabljati umetno inteligenco za ustvarjanje vsebin
Praktična orodja in poteki dela za oblikovanje, pisanje in ponovno uporabo vsebin.

Zakaj se ljudje želijo naučiti, kako usposobiti model glasu umetne inteligence? 🎧

Razlogov je veliko in nekateri so močnejši od drugih.

Večina ljudi trenira glasovne modele, ker želijo:

  • Ustvarite glasovne posnetke, ne da bi pri tem ročno posneli vsak scenarij

  • Ustvarite dosleden pripovedovalčev glas za videoposnetke ali podcaste

  • Hitrejša lokalizacija vsebine

  • Poskrbite, da bodo digitalni izdelki bolj osebni

  • Ohranite glas za dostopnost ali arhivsko uporabo

  • Eksperimentirajte z glasovi likov za igre ali pripovedovanje zgodb 🎮

Potem je tu še praktična plat. Vsako snemanje novega zvoka se hitro izčrpa. Izurjen model lahko prihrani čas, zmanjša stroške studia in vam zagotovi glasovno sredstvo za večkratno uporabo, ki se lahko skalira.

Kljub temu pa bodimo jasni – tehnologijo je mogoče tudi zlorabiti. Preden se torej navdušite nad potekom dela, si postavite eno pravilo: učite se samo na glasu, ki ga imate v lasti ali za katerega imate izrecno dovoljenje za uporabo . Brez izgovorov, brez »samo testiranja«, brez sumljivih poskusov kloniranja. Ta pot se hitro obrne v grdo smer.

Kaj naredi dober glasovni model umetne inteligence? ✅

Dober glasovni model umetne inteligence ni zgolj »jasen«. Zveni prepričljivo, stabilno, izrazno in dosledno v različnih vrstah besedila.

Tukaj je tisto, kar običajno loči spodoben model od tistega, ki ga ljudje resnično radi poslušajo:

»Popoln« radijski glas ni vedno najboljša izbira. Nekoliko nepopoln, a dobro posnet glas se pogosto bolje uči, ker že od samega začetka zveni človeško. Preveč uglajen lahko postane tog. Preveč ležeren lahko postane blaten. Gre za iskanje ravnovesja – nekoliko podobno kot poskus popečevanja kruha z metalcem ognja ... mogoče, morda, a komaj elegantno.

Osnovni gradniki učenja glasovnega modela umetne inteligence 🧱

Preden se lotite orodij in zaslonov za usposabljanje, je koristno razumeti glavne dele. Vsak delovni tok, ne glede na platformo, običajno vključuje te sestavine:

1. Glasovni podatki

To je vaš surov material – posneti govorni posnetki.

2. Prepisi

Vsak zvočni posnetek potrebuje ujemajoče se besedilo. Če je prepis napačen, se model nauči napačne stvari. Precej preprosto, rahlo nadležno.

3. Predobdelava

To vključuje obrezovanje tišine, normalizacijo glasnosti, odstranjevanje šuma in razdelitev dolgih posnetkov na uporabne segmente.

4. Usposabljanje modelov

Tukaj se sistem nauči razmerja med besedilom in glasovnimi vzorci govorca.

5. Vrednotenje

Preizkusiš, kako naraven, natančen in stabilen zveni glas.

6. Fina nastavitev

Prilagodite model, izboljšate podatke, ponovno usposobite ali dodate boljše vzorce.

Ko ljudje vprašajo, kako usposobiti model glasu umetne inteligence?, si pogosto predstavljajo, da je učenje celotna zgodba. Ni. Usposabljanje je le ena stopnja v verigi. Zelo pomembna veriga, zagotovo – a še vedno le en člen.

Primerjalna tabela - najpogostejši načini za njen pristop 📊

Spodaj je praktična primerjava glavnih poti, ki jih ljudje uberejo. Ni vsaka možnost primerna za vsak projekt in to je v redu.

Pristop Najboljše za Potrebni podatki Težavnost nastavitve Izstopajoča lastnost Pazite na
Platforma za kloniranje glasu brez kode Ustvarjalci, tržniki, samostojni uporabniki Nizka do srednja Lahkotno Hitri rezultati, manj trenja 🙂 Manj nadzora nad globino treninga
Odprtokodni sklad za pretvorbo besedila v govor Raziskovalci, hobisti, razvijalci Srednje do visoko Trdo Popolna prilagoditev, raj za piflarje Namestitev se lahko zdi kot rokoborba s kabli ob 2. uri zjutraj.
Natančno uglaševanje vnaprej naučenega glasovnega modela Najbolj praktične ekipe Srednje Zmerno Boljša kakovost z manj podatkov Potrebno je skrbno čiščenje prepisa
Usposabljanje iz nič Napredni laboratoriji, resni projekti Zelo visoko Zelo težko Največji nadzor, teoretično Ogromni časovni stroški, sploh ni primerno za začetnike
Nabor podatkov studijske kakovosti po meri + natančna nastavitev Blagovne znamke, ekipe za avdioknjige Srednje visoko Zmerno Najboljše ravnovesje med realizmom in trudom Disciplina snemanja mora biti stroga
Usposabljanje za večstilne nabore podatkov Glasovi likov, ekspresivna pripoved Visoka Zmerno do težko Večji razpon čustev 🎭 Nedosledno igranje lahko zmede model

Ni univerzalnega zmagovalca. Za večino ljudi natančna nastavitev predhodno naučenega modela z visokokakovostnimi glasovnimi podatki idealna rešitev. To vam prinese dobre rezultate, ne da bi vas prisililo, da sami zgradite celotno vesoljsko ladjo.

1. korak – Posnemite prave glasovne podatke, ne le veliko 🎤

Tu se začne kakovost. Tu se tudi mnogi projekti tiho razpadejo.

Mnogi ljudje domnevajo, da več zvoka samodejno pomeni boljšo zmogljivost. Včasih da. Včasih sploh ne. Deset ur grobih posnetkov se lahko izgubi v primerjavi z eno uro čistega, doslednega govora.

Kako izgledajo dobri posnetki podatkov

Dober ciljni nabor podatkov pogosto vključuje

Praktični nasveti za snemanje

In tukaj je majhna resnična bomba – če govorec sredi seanse zveni utrujeno, se lahko tudi model nauči tega povešenega tona. Glasovni modeli so kot gobice s slušalkami.

2. korak – Pripravite prepise, kot da je od tega odvisno življenje vašega modela 📝

Ker na nek način res je tako.

Kakovost prepisa je izjemno pomembna. Model se uči iz združevanja zvoka in besedila. Če govorec pove eno stvar, prepis pa drugo, postane preslikava površna. Površna preslikava vodi do nerodne sinteze – preskočenih besed, napačno izgovorjenih fraz, naključnih vzorcev stresa in podobnih neumnosti.

Vaši prepisi naj bodo

Odločite se vnaprej, kako ravnati

Nekateri ustvarjalci poskušajo vse samodejno prepisati in iti naprej. Vsekakor mamljivo. Toda samodejno prepisovanje zahteva človeški pregled, zlasti za imena, naglase, tehnični besednjak in ločila. Prepis s 95-odstotno natančnostjo se na papirju sliši precej dobro. Pri usposabljanju lahko teh manjkajočih 5 % glasno odmeva.

3. korak – Očistite in segmentirajte nabor podatkov za učenje ✂️

Vem, da je ta del dolgočasen. Je pa tudi eden od korakov z največjim vplivom.

Želite, da je vaš nabor podatkov razdeljen na obvladljive posnetke, običajno dovolj kratke, da se model lahko nauči jasnih odnosov med besedilom in zvokom, ne da bi se izgubil v ogromnih posnetkih.

Dobra segmentacija običajno pomeni

Pogosta opravila čiščenja

  • Zmanjšanje hrupa

  • Normalizacija glasnosti

  • Obrezovanje tišine

  • Odstranjevanje obrezanih ali popačenih posnetkov

  • Ponovni izvoz v obliko, ki jo zahteva vaš učni sklad

Vendar je tukaj past. Pretirano čiščenje lahko naredi glas krhek. Ne želite ga zloščiti človečnosti. Nekaj ​​drobnih vdihov in naravne teksture je v redu - celo koristno. Sterilni zvok se lahko spremeni v sterilno sintezo in nihče si ne želi glasu, ki zveni, kot da bi bil vzgojen v preglednici 😬

4. korak – Izberite pot usposabljanja, ki ustreza vaši ravni znanja ⚙️

To je tisto, zaradi česar ljudje bodisi preveč komplicirajo bodisi preveč poenostavljajo.

Na splošno imate tri realne možnosti:

Možnost A – Uporabite gostovano platformo za usposabljanje

Najboljše, če želite hitrost in udobje.

Prednosti:

  • Enostavnejši vmesnik

  • Manj tehnične nastavitve

  • Hitrejša pot do uporabnega izhoda

  • Običajno vključuje orodja za sklepanje

Slabosti:

  • Manj nadzora

  • Stroški se lahko kopičijo

  • Vedenje modela je lahko uokvirjeno

Možnost B – Natančnejša nastavitev modela odprtokodnega ali prilagojenega TTS

Najboljše, če želite kakovost in prilagodljivost.

Prednosti:

  • Večji nadzor nad treningom

  • Boljša prilagoditev

  • Lažje optimizirati za vaš nabor podatkov

Slabosti:

  • Zahteva nekaj tehničnega znanja

  • Več poskusov in napak

  • Strojna oprema je pomembnejša

Možnost C - Usposabljanje od začetka

Najbolje, če izvajate napredne raziskave ali gradite nekaj specializiranega.

Prednosti:

  • Maksimalen nadzor arhitekture

  • Prilagojeno vedenje modela

Slabosti:

  • Velike potrebe po podatkih

  • Daljši cikel eksperimentiranja

  • Zelo enostavno je zapravljati čas, energijo in potrpljenje

Za večino ljudi – in ja, to vključuje tudi pametne razvijalce z omejeno pasovno širino – je fino nastavljanje razumna izbira. To je srednja pot. Ni bleščeče, ni primitivno, le učinkovito.

5. korak – Treniraj, oceni, nato pa še enkrat treniraj ... ker tako pač gre 🔁

Tukaj se sistem začne učiti glasovnih vzorcev.

Med učenjem model poskuša povezati foneme, čas, prozodijo in vokalno identiteto s prepisanimi zvočnimi vzorci. Odvisno od ogrodja se lahko učite ali povezujete tudi z vokoderjem, kodirnikom slogov, sistemom za vdelavo govorcev ali besedilnim vmesnikom. Domiseln jezik, ja, vendar osnovna ideja ostaja enaka – naučite besedilo, da postane ta glas.

Kaj spremljate med treningom

  • Vrednosti izgub

  • Stabilnost izgovorjave

  • Naravnost zvoka

  • govorni tempo

  • Čustvena doslednost

  • Prisotnost artefaktov

Znaki, da se vaš model izboljšuje

  • Manj popačenih besed

  • Bolj gladki prehodi

  • Bolj verjetni premori

  • Boljše ravnanje z neznanimi stavki

  • Stabilna glasovna identiteta v vseh izhodih

Znaki, da gre nekaj narobe

  • Kovinski ali brenčeč zvok

  • Ponavljajoči se zlogi

  • Nerazločni soglasniki

  • Naključni dramatični poudarki

  • Ploska, brezživna dostava

  • Premik glasu od enega vzorca do drugega

In ja, iteracija je normalna. Zelo normalna. Prvi naučeni rezultat je morda obetaven, vendar nekoliko napačen. Morda se sliši pravilno, vendar se bere prepočasi. Morda dobro obravnava kratke vrstice in se spotika ob daljših scenarijih. Morda lepo obvladuje pripovedovanje, vendar je negotov glede številk. To ne pomeni, da je projekt propadel. Pomeni, da ste zdaj pri delu, ki šteje.

6. korak – Izboljšajte realizem, čustva in nadzor 🎭

Tu se spodoben model začne spreminjati v takšnega, ki si zasluži svoje mesto.

Ko osnovni glas deluje, je naslednji izziv nadzor. Ne želite le, da glas obstaja. Želite, da se obnaša.

Področja, ki jih je vredno izboljšati

  • Prozodija - vzpon in padec, naravni poudarek, tempo

  • Čustvo - mirno, energično, toplo, resno

  • Govorni slog - pogovorni, poučni, filmski

  • Preglasitve izgovorjave - blagovne znamke, žargon, imena

  • Ravnanje z stavki – zlasti z daljšimi ali kompleksnimi strukturami

Veliko ustvarjalcev se prehitro ustavi. Dobijo glas, ki »zveni kot govorec«, in to zaključijo. Vendar sama podobnost ni dovolj. Odličen model se naravno bere v različnih vrstah scenarijev. Obvladovati mora vadnico, promocijsko vrstico in odstavek dialoga, ne da bi se slišalo, kot da je sredi besedila spremenil osebnost.

Zato tudi vprašanje Kako usposobiti model glasu umetne inteligence? nima odgovora z enim klikom. Pravi uspeh izhaja iz učenja in izpopolnjevanja. Model, ki je 80 % na voljo, se lahko še vedno zdi napačen. Teh zadnjih 20 %? Veliko pomembnejše, kot se zdi na prvi pogled.

7. korak – Preizkusite na pravih skriptah, ne le na čistih demo vrsticah 🧪

Prosim, ne sodite svojega modela zgolj z uporabo popolnih kratkih testnih fraz, kot je »Pozdravljeni in dobrodošli na kanalu«. To je vaba za demonstracijo.

Uporabite tudi grobe, realistične scenarije:

  • Dolgi odstavki

  • Imena izdelkov

  • Številke in simboli

  • Vprašanja

  • Hitri prehodi

  • Čustveni premiki

  • Nerodna ločila

  • Pogovorni fragmenti

Dobri primeri stresnih testov vključujejo

  • Uvod v vadnico

  • Pojasnilo za podporo strankam

  • Odstavek zgodbe

  • Scenarij, poln seznamov

  • Vrstica z blagovnimi znamkami in akronimi

  • Stavek, ki sredi besedila spremeni ton

Zakaj je to pomembno? Ker dodelane predstavitvene linije laskajo šibkim modelom. Prava vsebina jih razkrije. To je kot testiranje avtomobila tako, da ga počasi kotalite po dovozu – tehnično gledano gibanje, ne ravno dokaz.

8. korak – Izogibajte se napakam, zaradi katerih se glasovni modeli slišijo ponarejeno 🚫

Nekatere napake se pojavljajo vedno znova.

Pogoste težave

  • Uporaba hrupnih ali odmevnih posnetkov

  • Mešanje več mikrofonov

  • Usposabljanje s slabimi prepisi

  • Združevanje zelo različnih govornih slogov v en sam nabor podatkov

  • Pričakovati, da se bodo majhni nabori podatkov slišali vrhunsko

  • Prekomerno čiščenje zvoka

  • Preziranje robnih primerov izgovorjave

  • Preskakovanje evalvacije po vsakem prehodu za izboljšave

Še ena velika napaka

Usposabljanje modela brez jasnih meja uporabe.

Določiti morate:

  • Kdo lahko uporablja glas

  • Kje se lahko namesti

  • Ali je razkritje potrebno

  • Katere vrste vsebin so prepovedane

  • Kako se dokumentira soglasje

To se morda sliši dolgočasno, morda celo nekoliko korporativno. Ampak je pomembno. Glas je oseben. Pravzaprav zelo oseben. Zato z njim tako tudi ravnajte.

Etična in praktična pravila, ki nikoli ne bi smela biti neobvezna 🛡️

To si zasluži svoj razdelek, ker preveč ljudi to zakoplje proti koncu kot opombo.

Pri gradnji glasovnega modela:

Obstaja tudi širše vprašanje zaupanja. Občinstvo postaja vse bolj ostro. Pogosto lahko zazna, kdaj se zvok zdi "napačen", tudi če ne more pojasniti, zakaj. Torej transparentnost ni le etična – je praktična. Zaupanje je lažje ohraniti kot ponovno zgraditi.

Zaključne misli o tem, kako usposobiti model glasu umetne inteligence? 🎯

torej usposobiti model glasu umetne inteligence? Začnete s soglasjem, čistimi posnetki in natančnimi prepisi. Nato skrbno pripravite nabor podatkov, izberete pravo pot učenja, skrbno ocenite in natančno uglasite, dokler glas v živih scenarijih ne zveni stabilno in naravno.

To je pravi odgovor.

Morda ni glamurozno. Ampak resnično.

Ljudje, ki dosegajo odlične rezultate, običajno nekaj stvari naredijo bolje kot vsi ostali:

  • Spoštujejo podatke

  • Ne hitijo s čiščenjem prepisov

  • Preizkušajo na grobih, realističnih scenarijih

  • Po prvem "dovolj dobrem" rezultatu nadaljujejo z iteracijo

  • Razumejo, da je verodostojen govor delno tehnični postopek, delno zvočna obrt, delno potrpežljivost ... in tudi malo trmoglavosti 😄

Če je vaš cilj glas, ki zveni človeško, zaupanja vredno in praktično, se manj osredotočajte na bližnjice in bolj na verigo: dobro snemajte, dobro čistite, dobro usklajujte, skrbno se usposabljajte, kritično poslušajte, zavestno se izboljšujte. To je pot.

In ja, nekoliko je podobno vrtnarjenju s kodo. Vem, da ni popolna metafora. Ampak posadiš pravi material, ga vztrajno neguješ in čez nekaj časa se ti začne vračati nekaj presenetljivo realističnega 🌱🎙️

Pogosta vprašanja

Kako usposobiti glasovni model umetne inteligence od začetka do konca?

Usposabljanje glasovnega modela umetne inteligence se običajno začne s soglasjem, čistimi posnetki in natančnimi prepisi. Od tam naprej poteka dela s predobdelavo, segmentacijo, učenjem modela, evalvacijo in natančnim uglaševanjem. Članek jasno poudarja, da je usposabljanje le del daljšega procesa in da dobri rezultati izhajajo iz dobrega obvladovanja vsake faze, namesto da se zanašamo na eno samo orodje ali bližnjico.

Koliko zvoka potrebujete za učenje dobrega modela glasu umetne inteligence?

Več zvoka lahko pomaga, vendar je kakovost pomembnejša od surovega trajanja. Priročnik ugotavlja, da lahko ena ura čistega, doslednega govora preseže veliko ur hrupnih ali neenakomernih posnetkov. Močan nabor podatkov običajno vključuje različne vrste stavkov, številke, imena, vprašanja in naravni tempo, tako da se model nauči, kako govorec ravna z vsakdanjim besedilom.

Katere vrste posnetkov so najboljše za učenje glasovnih modelov?

Najboljši posnetki so čisti, dosledni in posneti v isti nastavitvi v celotnem naboru podatkov. To pomeni uporabo istega mikrofona, istega prostora in enakomerne govorne razdalje, pri čemer se je treba izogniti odmevu, brnenju, hrupu tipkovnice in intenzivni obdelavi. Pomemben je tudi naraven govor, saj bo model absorbiral govorčev tempo, ton in energijo.

Zakaj so transkripti tako pomembni pri učenju glasovnega modela?

Prepisi so pomembni, ker se model uči iz združevanja govorjenega zvoka in pisanega besedila. Če se prepis ne ujema s tem, kar je bilo povedano, lahko model absorbira slabe vzorce izgovorjave, napačno postavljen poudarek ali preskočene besede. Članek poudarja tudi, da je treba pred začetkom učenja ostati dosleden pri uporabi številk, okrajšav, besed za polnjenje in ločil.

Kako naj očistim in segmentiram zvok pred vadbo?

Zvok je treba razdeliti na kratke, osredotočene posnetke z enim ujemajočim se prepisom za vsak posnetek. Običajna pripravljalna dela vključujejo obrezovanje tišine, normalizacijo glasnosti, zmanjšanje šuma in odstranjevanje popačenih posnetkov ali prekrivajočega se govora. Vodnik tudi svari pred pretiranim čiščenjem, saj lahko odstranjevanje vsakega diha in delčka teksture pusti končni glas sterilen in manj naraven.

Kateri je najboljši način za učenje glasovnega modela umetne inteligence, če niste strokovnjak?

Za večino ljudi je natančna nastavitev predhodno naučenega modela najbolj praktična pot. Ponuja boljše ravnovesje med kakovostjo, potrebami po podatkih in tehničnim naporom kot učenje iz nič, hkrati pa daje večji nadzor kot preprosta platforma brez kode. Gostujoča orodja so hitrejša za uporabo, vendar je natančna nastavitev običajno srednja pot, ki zagotavlja močnejše in bolj prilagodljive rezultate.

Kako veste, ali se vaš glasovni model umetne inteligence med usposabljanjem izboljšuje?

Izboljšanje se običajno kaže kot bolj gladek govor, manj popačenih besed, boljši premori in stabilnejši glas pri različnih navodilih. Opozorilni znaki vključujejo kovinski ton, ponavljajoče se zloge, nerazločne soglasnike, plosko izgovarjavo in prehajanje glasu med vzorci. Članek poudarja, da ocenjevanje ni enkratno preverjanje, temveč del nenehnega cikla testiranja in ponovnega usposabljanja.

Kako dosežete, da se glasovni model umetne inteligence sliši bolj realistično in izrazno?

Ko osnovni model deluje, je naslednji korak izpopolnjevanje prozodije, čustev, tempa in sloga govora. Realističen glas potrebuje več kot le podobnost govorcev, saj mora obvladovati vadnice, pripovedovanje, promocijske replike in daljše odlomke, ne da bi zvenel tog ali nedosleden. Natančno uglaševanje pomaga tudi pri preglasitvah izgovorjave in izboljša način, kako model obravnava daljše, bolj zapletene stavke.

Kaj morate preizkusiti, preden uporabite glasovni model umetne inteligence v produkciji?

Ne zanašajte se le na kratke predstavitvene vrstice, zaradi katerih se skoraj vsak model sliši spodobno. Vodnik priporoča testiranje z dolgimi odstavki, nerodnimi ločili, imeni izdelkov, akronimi, številkami, vprašanji in čustvenimi premiki. Celotni skripti veliko hitreje razkrijejo slabosti, še posebej, če mora model obvladovati spremembe tona, kompleksno fraziranje ali vsebino, polno seznamov.

Katera etična pravila morate upoštevati pri usposabljanju glasovnega modela umetne inteligence?

Članek obravnava soglasje kot nepogajalsko. Učenje je dovoljeno le na glasu, ki je v vaši lasti ali za katerega imate izrecno dovoljenje za uporabo, hranite pisne zapise, zaščitite surove glasovne podatke, omejite dostop do naučenega modela in določite jasne meje uporabe. Priporoča tudi označevanje sintetičnega zvoka, kadar je to primerno, in izogibanje kakršnemu koli lažnemu predstavljanju resničnih ljudi brez dovoljenja.

Reference

  1. Microsoft Learn – izrecno dovoljenje – learn.microsoft.com

  2. Center za pomoč ElevenLabs – glas, ki ga imate – help.elevenlabs.io

  3. Dokumentacija ogrodja NVIDIA NeMo - Predobdelava - docs.nvidia.com

  4. Dokumentacija za Montreal Forced Aligner - Natančnost poravnave besedila - montreal-forced-aligner.readthedocs.io

  5. Zvezna komisija za trgovino ZDA – Ne izdajajte se za prave osebe brez dovoljenja – ftc.gov

  6. Nacionalni inštitut za standarde in tehnologijo - Označite sintetično vsebino, kadar je to primerno - nist.gov

Poiščite najnovejšo umetno inteligenco v uradni trgovini z umetno inteligenco

O nas

Nazaj na blog