¡CLONA CUALQUIER VOZ y CAMBIA su EMOCIÓN! Así funciona la nueva IA ReStyle-TTS

Описание: Los modelos actuales de inteligencia artificial para clonar voces son impresionantes, pero tienen una gran limitación: al copiar el timbre único de una persona, también copian su estilo y emoción. Esto significa que si tienes un audio de referencia de una persona hablando feliz, es casi imposible generar una frase que suene triste o enfadada con esa misma voz. Este problema obliga a buscar audios de referencia perfectos, lo cual no siempre es posible y limita enormemente la creatividad y la flexibilidad.

Para solucionar este desafío, un grupo de investigadores ha desarrollado 'ReStyle-TTS', un sistema revolucionario que separa la identidad de una voz de su estilo de habla. Esta tecnología permite, por primera vez, un control continuo y relativo sobre atributos como el tono, la energía y la emoción. En lugar de estar atado al estilo del audio original, un usuario puede 'ajustar' la emoción o el tono de la voz generada como si moviera un control de volumen, de manera precisa y fluida.

El secreto de ReStyle-TTS reside en su capacidad para reducir la dependencia del estilo del audio de referencia y aplicar nuevas características de forma independiente. Utilizando técnicas avanzadas, el modelo puede tomar una muestra de voz alegre y transformarla para que exprese enfado, o cambiar el tono de una frase de manera sutil y controlada. Esto abre un mundo de posibilidades para creadores de contenido, desarrolladores de asistentes de voz y artistas, ofreciendo una herramienta mucho más potente y versátil para la síntesis de voz expresiva y realista.


Link al paper: https://arxiv.org/pdf/2601.03632


Autores del estudio: Haitao Li, Chunxiang Jin, Chenglin Li, Wenhao Guan, Zhengxing Huang, Xie Chen


Apoyanos en   / audioarxiv  


Unete en   / discord  


#Ciencias de la computación #InteligenciaArtificial #IA #TTS #ClonacionDeVoz #SintesisDeVoz