एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे? [व्हिडिओ आणि प्रश्नमंजुषा]

थोडक्यात उत्तर: संमतीने घेतलेल्या, स्वच्छ रेकॉर्डिंग, अचूक प्रतिलिपी आणि काळजीपूर्वक केलेल्या पूर्व-प्रक्रियेचा वापर करून एआय व्हॉइस मॉडेलला प्रशिक्षित करा, त्यानंतर त्याला फाइन-ट्यून करा आणि खऱ्या स्क्रिप्टवर त्याची चाचणी घ्या. जेव्हा डेटासेट मायक्रोफोन, खोली, गती आणि विरामचिन्हे यांमध्ये सुसंगत राहील, तेव्हा तुम्हाला चांगले परिणाम मिळतील. जर गुणवत्ता घसरली, तर प्रशिक्षण सेटिंग्ज बदलण्यापूर्वी डेटा दुरुस्त करा.

महत्वाचे मुद्दे:

संमती: केवळ तुमच्या मालकीचे असलेले किंवा वापरण्यासाठी स्पष्ट लेखी परवानगी असलेलेच आवाज प्रशिक्षित करा.

रेकॉर्डिंग: सर्व सत्रांमध्ये एकच मायक्रोफोन, एकच खोली आणि ऊर्जेची एकच पातळी वापरा.

प्रतिलेख: उच्चारलेला प्रत्येक शब्द, संख्या, पूरक शब्द, नावे आणि विरामचिन्हे यांसह तंतोतंत जुळवा.

मूल्यांकन: केवळ सुबक डेमो ओळींवर नव्हे, तर अव्यवस्थित, वास्तविक स्क्रिप्ट्सवर चाचणी घ्या.

प्रशासन: प्रशिक्षित आवाजाचा वापर करण्यापूर्वी त्याची उपलब्धता, प्रकटीकरण आणि प्रतिबंधित वापर निश्चित करा.

लोकांना एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे हे शिकण्याची इच्छा का आहे? 🎧

अनेक कारणे आहेत आणि त्यापैकी काही इतरांपेक्षा अधिक प्रभावी आहेत.

बहुतेक लोक व्हॉइस मॉडेलना प्रशिक्षण देतात कारण त्यांना हे करायचे असते:

• प्रत्येक स्क्रिप्ट स्वतः रेकॉर्ड न करता व्हॉइसओव्हर तयार करा

• व्हिडिओ किंवा पॉडकास्टसाठी एकसारखा निवेदकाचा आवाज तयार करा

• सामग्री अधिक वेगाने स्थानिक करा

• डिजिटल उत्पादने अधिक वैयक्तिक वाटावीत

• सुलभतेसाठी किंवा अभिलेखागार वापरासाठी आवाज जतन करा

• गेम्स किंवा कथाकथनासाठी पात्रांच्या आवाजांचे प्रयोग करा 🎮

मग येते व्यावहारिक बाजू. प्रत्येक वेळी नव्याने ऑडिओ रेकॉर्ड करण्याचा लवकरच कंटाळा येतो. एक प्रशिक्षित मॉडेल वेळ वाचवू शकते, स्टुडिओचा खर्च कमी करू शकते आणि तुम्हाला एक पुन्हा वापरता येण्याजोगे व गरजेनुसार वाढवता येणारे व्हॉइस असेट देऊ शकते.

तरीही, एक गोष्ट स्पष्ट करूया - या तंत्रज्ञानाचा गैरवापरही होऊ शकतो. त्यामुळे, कार्यप्रणालीबद्दल उत्साही होण्यापूर्वी, एक नियम पक्का करा: केवळ तुमच्या मालकीच्या किंवा स्पष्ट परवानगी वापरण्याची. कोणतीही सबब चालणार नाही, 'फक्त चाचणी करत आहे' असे म्हणणे चालणार नाही, किंवा संशयास्पद क्लोनचे प्रयोगही होणार नाहीत. तो मार्ग लवकरच धोकादायक वळण घेतो.

एक उत्तम एआय व्हॉइस मॉडेल कशामुळे बनते? ✅

एक चांगले एआय व्हॉइस मॉडेल केवळ 'स्पष्ट' नसते. त्याचा आवाज विश्वासार्ह, स्थिर, भावपूर्ण आणि विविध प्रकारच्या मजकुरामध्ये सुसंगत असतो.

एका चांगल्या मॉडेलला, लोकांना ऐकायला खरोखर आवडणाऱ्या मॉडेलपासून सहसा वेगळे ठरवणारे घटक खालीलप्रमाणे आहेत:

• स्वच्छ रेकॉर्डिंग - कोणताही गुणगुण, प्रतिध्वनी, कीबोर्डचे आवाज किंवा खोलीतील प्रतिध्वनी नाही.

• सादरीकरणात सुसंगतता - माइकचे समान अंतर, बोलण्यातील जोर आणि खोलीची मांडणी.

• नैसर्गिक गती - फार घाईची नाही, किंवा असह्यपणे संथही नाही.

• उत्तम उच्चारण व्याप्ती - शब्द, नावे, संख्या आणि वाक्यरचनांमध्ये पुरेशी विविधता

• भावनांवर नियंत्रण - अगदी तटस्थ मॉडेलचा आवाजही आतून निर्जीव वाटता कामा नये 😬

• मजकूर संरेखन अचूकता - प्रतिलेख ऑडिओशी योग्यरित्या जुळणे आवश्यक आहे

• कमी आर्टिफॅक्ट दर - कमी ग्लिचेस, अस्पष्ट शब्द किंवा रोबोटिक डगमगणे.

रेडिओसाठी 'परिपूर्ण' आवाज नेहमीच सर्वोत्तम पर्याय असतो असे नाही. थोडासा अपूर्ण पण चांगल्या प्रकारे रेकॉर्ड केलेला आवाज सरावासाठी अधिक चांगला ठरतो, कारण तो सुरुवातीपासूनच मानवी वाटतो. जास्तच सफाईदार आवाज कृत्रिम वाटू शकतो. जास्तच सहज वाटणारा आवाज अस्पष्ट होऊ शकतो. हा एक तारेवरची कसरत आहे - जणू काही फ्लेमथ्रोअरने ब्रेड भाजण्याचा प्रयत्न करण्यासारखे... कदाचित शक्य असेल, पण ते अजिबातच सुरेख नाही.

एआय व्हॉइस मॉडेलला प्रशिक्षित करण्याचे मुख्य घटक 🧱

साधने आणि प्रशिक्षण स्क्रीनकडे वळण्यापूर्वी, त्यात समाविष्ट असलेले मुख्य भाग समजून घेणे उपयुक्त ठरते. प्लॅटफॉर्म कोणताही असो, प्रत्येक कार्यप्रवाहात (workflow) सहसा हे घटक समाविष्ट असतात:

१. व्हॉइस डेटा

हा तुमचा कच्चा माल आहे - रेकॉर्ड केलेल्या भाषणाच्या क्लिप्स.

2. प्रतिलिपी

प्रत्येक ऑडिओ क्लिपला जुळणारा मजकूर आवश्यक असतो. जर प्रतिलेख चुकीचा असेल, तर मॉडेल चुकीची गोष्ट शिकते. अगदी सोपं आहे, पण थोडं त्रासदायक आहे.

3. पूर्वप्रक्रिया

यात शांतता कमी करणे, आवाज सामान्य करणे, गोंगाट दूर करणे आणि लांब रेकॉर्डिंगचे वापरण्यायोग्य भागांमध्ये विभाजन करणे यांचा समावेश आहे.

4. मॉडेल प्रशिक्षण

येथेच प्रणाली मजकूर आणि बोलणाऱ्याच्या आवाजाच्या पद्धतींमधील संबंध शिकते.

5. मूल्यांकन

आवाज किती नैसर्गिक, अचूक आणि स्थिर वाटतो, हे तुम्ही तपासता.

6. सूक्ष्म-समायोजन

तुम्ही मॉडेलमध्ये बदल करता, डेटा सुधारता, पुन्हा प्रशिक्षण देता किंवा अधिक चांगले नमुने जोडता.

म्हणून जेव्हा लोक 'एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे?', तेव्हा त्यांना अनेकदा असे वाटते की प्रशिक्षण हीच संपूर्ण प्रक्रिया आहे. पण तसे नाही. प्रशिक्षण हा एका साखळीतील केवळ एक टप्पा आहे. निश्चितच, ही एक खूप महत्त्वाची साखळी आहे - पण तरीही तो केवळ एक दुवा आहे.

तुलना तक्ता - हाताळण्याचे सर्वात सामान्य मार्ग 📊

लोक जे मुख्य मार्ग अवलंबतात त्यांची एक व्यावहारिक तुलना खाली दिली आहे. प्रत्येक पर्याय प्रत्येक प्रकल्पासाठी योग्य असेलच असे नाही, आणि त्यात काही गैर नाही.

कोणताही एकच सार्वत्रिक विजेता नाही. बहुतेक लोकांसाठी, उच्च-गुणवत्तेच्या व्हॉइस डेटासह पूर्व-प्रशिक्षित मॉडेलला फाइन-ट्यूनिंग करणे हाच सर्वोत्तम मार्ग आहे. यामुळे तुम्हाला संपूर्ण मॉडेल स्वतः तयार करण्याची सक्ती न करता उत्तम परिणाम मिळतात.

पायरी १ - केवळ भरपूर नव्हे, तर योग्य आवाजाचा डेटा रेकॉर्ड करा 🎤

गुणवत्तेची सुरुवात येथूनच होते. तसेच, याच ठिकाणी अनेक प्रकल्प नकळतपणे कोलमडून पडतात.

बऱ्याच लोकांना असे वाटते की जास्त ऑडिओ म्हणजे आपोआपच चांगली कामगिरी. कधीकधी, हो. कधीकधी अजिबात नाही. दहा तासांचे कच्चे रेकॉर्डिंग एका तासाच्या स्वच्छ, सुसंगत संभाषणासमोर फिके पडू शकते.

चांगला रेकॉर्डिंग डेटा कसा दिसतो

• संपूर्ण डेटासेटमध्ये एकच मायक्रोफोन

• तीच खोली, तीच मूलभूत रेकॉर्डिंग व्यवस्था

• किमान पार्श्वभूमी आवाज

• नैसर्गिक बोलण्याचा सूर

• अतिनाटकीय न वाटता स्पष्ट उच्चार

• वाक्यांच्या लांबीची आणि ध्वन्यात्मक संयोजनांची श्रेणी

एका चांगल्या लक्ष्य डेटासेटमध्ये अनेकदा खालील गोष्टींचा समावेश असतो

• लहान संभाषणात्मक ओळी

• लांब स्पष्टीकरणात्मक वाक्ये

• प्रश्न

• आकडे आणि तारखा - मात्र, गरज नसल्यास तुमच्या स्क्रिप्टमध्ये विशिष्ट वर्षांचे संदर्भ देणे टाळा.

• नावे, ठिकाणे आणि उच्चारांच्या अवघड विभक्ती

• विराम, स्वल्पविराम आणि विरामचिन्हांवर आधारित लय

व्यावहारिक रेकॉर्डिंग टिप्स

• शांत, मऊ कापडाच्या खोलीत रेकॉर्ड करा

• माइकची स्थिती स्थिर ठेवा

• पाणी पिताना आणि इकडेतिकडे फिरताना तोंडाने आवाज करणे टाळा

• ऑडिओ आत येत असताना त्यावर जास्त प्रक्रिया करू नका

• ऊर्जेची पातळी सातत्यपूर्ण ठेवा

आणि एक छोटेसे सत्य हे आहे की - जर सत्राच्या मध्यापर्यंत बोलणाऱ्याचा आवाज थकलेला वाटत असेल, तर मॉडेलदेखील तोच निस्तेज सूर शिकू शकते. व्हॉइस मॉडेल्स हे हेडफोन लावलेल्या स्पंजसारखे असतात.

पायरी २ - तुमच्या मॉडेलचे आयुष्य त्यावर अवलंबून आहे अशाप्रकारे ट्रान्सक्रिप्ट तयार करा 📝

कारण, एका अर्थी, ते तसंच आहे.

ट्रान्सक्रिप्टची गुणवत्ता अत्यंत महत्त्वाची आहे. मॉडेल ऑडिओ आणि मजकूर यांच्या जोडीतून शिकत आहे. जर बोलणारा एक गोष्ट सांगत असेल आणि ट्रान्सक्रिप्ट दुसरीच गोष्ट सांगत असेल, तर जुळवणी ढिसाळ होते. ढिसाळ जुळवणीमुळे विचित्र संश्लेषण होते - जसे की वगळलेले शब्द, चुकीच्या उच्चारांचे शब्दसमूह, स्वरांवर अनियमित ताण, अशा प्रकारचा गोंधळ.

तुमचे गुणपत्रक असावे

• बोललेल्या शब्दांशी तंतोतंत जुळणारे शब्द

• विरामचिन्हांच्या शैलीमध्ये सुसंगत

• सुबकपणे मांडणी केलेले

• शुद्धलेखनाच्या चुकांपासून मुक्त

• तुमच्या टूलला गरज असल्याशिवाय अनावश्यक चिन्हे नाहीत

कसे हाताळायचे हे सुरुवातीलाच ठरवा

• संख्या - “४२” विरुद्ध “बेचाळीस”

• संक्षिप्त रूपे - “Dr.” विरुद्ध “Doctor”

• पूरक शब्द - “अं,” “अह,” “तुम्हाला माहीत आहे”

• हास्य किंवा श्वास

• विशेष नावे किंवा परदेशी शब्द

काही निर्माते सर्वकाही स्वयंचलितपणे प्रतिलिपीत करून पुढे जाण्याचा प्रयत्न करतात. हे निश्चितच मोहक आहे. पण स्वयंचलित प्रतिलिपीला मानवी पुनरावलोकनाची गरज असते, विशेषतः नावे, उच्चार, तांत्रिक शब्दसंग्रह आणि विरामचिन्हे यांसाठी. ९५% अचूकतेची प्रतिलिपी कागदावर खूप चांगली वाटते. पण प्रशिक्षणाच्या वेळी, ती कमी असलेली ५% ची कमतरता प्रकर्षाने जाणवू शकते.

पायरी ३ - प्रशिक्षणासाठी डेटासेट स्वच्छ करा आणि त्याचे विभाजन करा ✂️

हा भाग कंटाळवाणा आहे. मला माहीत आहे. पण तो सर्वात जास्त परिणामकारक टप्प्यांपैकी एक आहे.

तुमचा डेटासेट लहान, हाताळता येण्याजोग्या क्लिप्समध्ये विभागलेला असावा, ज्या सहसा इतक्या लहान असाव्यात की मॉडेल मोठ्या रेकॉर्डिंगमध्ये हरवून न जाता मजकूर-ऑडिओमधील स्पष्ट संबंध शिकू शकेल.

चांगल्या विभाजनाचा सामान्यतः अर्थ असा होतो

• क्लिप्स लहान आणि केंद्रित आहेत

• मौन छाटले आहे, पण अस्वाभाविकपणे कापले नाही

• प्रत्येक क्लिपसाठी एक प्रतिलेख

• भाषण एकमेकांवर येऊ नये

• संगीत बेड नाहीत

• लाभात अचानक वाढ नाही

सामान्य साफसफाईची कामे

• आवाज कमी करणे

• आवाज सामान्यीकरण

• शांतता ट्रिमिंग

• क्लिप केलेले किंवा विकृत टेक्स काढून टाकणे

• तुमच्या प्रशिक्षण स्टॅकसाठी आवश्यक असलेल्या फॉरमॅटमध्ये पुन्हा निर्यात करणे

पण यात एक धोका आहे. आवाजाची जास्त स्वच्छता केल्याने तो कर्कश वाटू शकतो. तुम्हाला त्यातील मानवी भाव पूर्णपणे काढून टाकायचा नाही. काही छोटे श्वास आणि नैसर्गिक पोत ठीक आहेत - किंबहुना उपयुक्तच आहेत. निर्जीव ऑडिओचे रूपांतर निर्जीव सिंथेसिसमध्ये होऊ शकते, आणि स्प्रेडशीटमध्ये तयार केल्यासारखा वाटणारा आवाज कोणालाही नको असतो 😬

पायरी ४ - तुमच्या कौशल्य पातळीशी जुळणारा प्रशिक्षण मार्ग निवडा ⚙️

हाच तो मुद्दा आहे जिथे लोक एकतर गोष्टी जास्त गुंतागुंतीच्या करतात किंवा जास्त सोप्या करून सांगतात.

सर्वसाधारणपणे, तुमच्याकडे तीन व्यवहार्य पर्याय आहेत:

पर्याय अ - होस्टेड प्रशिक्षण प्लॅटफॉर्मचा वापर करा

जर तुम्हाला वेग आणि सोय हवी असेल तर सर्वोत्तम.

साधक:

• सोपा इंटरफेस

• कमी तांत्रिक सेटअप

• वापरण्यायोग्य आउटपुट मिळवण्याचा जलद मार्ग

• सहसा अनुमान साधने समाविष्ट असतात

तोटे:

• कमी नियंत्रण

• खर्च वाढत जाऊ शकतो

• मॉडेलच्या वर्तनाला मर्यादित केले जाऊ शकते

पर्याय बी - ओपन-सोर्स किंवा कस्टम टीटीएस मॉडेलमध्ये सूक्ष्म बदल करणे

जर तुम्हाला गुणवत्ता आणि लवचिकता हवी असेल तर हे सर्वोत्तम आहे.

साधक:

• प्रशिक्षणावर अधिक नियंत्रण

• उत्तम सानुकूलन

• तुमच्या डेटासेटसाठी ऑप्टिमाइझ करणे सोपे

तोटे:

• काही तांत्रिक ज्ञानाची आवश्यकता आहे

• अधिक प्रयत्न आणि चुका

• हार्डवेअर अधिक महत्त्वाचे आहे

पर्याय C - सुरुवातीपासून प्रशिक्षण

तुम्ही प्रगत संशोधन करत असाल किंवा एखादे विशिष्ट उत्पादन तयार करत असाल तर हे सर्वोत्तम आहे.

साधक:

• कमाल आर्किटेक्चर नियंत्रण

• अनुकूलित मॉडेल वर्तन

तोटे:

• प्रचंड डेटाची गरज

• दीर्घ प्रयोगचक्र

• वेळ, शक्ती आणि संयम वाया घालवणे खूप सोपे आहे

बहुतेक लोकांसाठी - आणि हो, यात मर्यादित संसाधने असलेले हुशार डेव्हलपर्ससुद्धा समाविष्ट आहेत - सूक्ष्म-समायोजन करणे हाच शहाणपणाचा पर्याय आहे. हा एक मधला मार्ग आहे. आकर्षक नाही, आदिम नाही, फक्त प्रभावी.

पायरी ५ - प्रशिक्षण द्या, मूल्यांकन करा, आणि पुन्हा प्रशिक्षण द्या... कारण हे असेच चालते 🔁

येथूनच प्रणाली आवाजाचे नमुने शिकायला सुरुवात करते.

प्रशिक्षणादरम्यान, मॉडेल प्रतिलेखित ऑडिओ नमुन्यांशी स्वनिम, लय, स्वररचना आणि आवाजाची ओळख जोडण्याचा प्रयत्न करते. फ्रेमवर्कनुसार, तुम्ही व्होकोडर, स्टाइल एन्कोडर, स्पीकर एम्बेडिंग सिस्टीम किंवा टेक्स्ट फ्रंटएंडला देखील प्रशिक्षण देत असाल किंवा त्यांच्यासोबत जोडणी करत असाल. ही भाषा जरी अवघड वाटत असली तरी, मूळ कल्पना तीच राहते - मजकुराला तो आवाज बनण्यास शिकवणे.

प्रशिक्षणादरम्यान तुम्ही काय निरीक्षण करता

• नुकसान मूल्ये

• उच्चारण स्थिरता

• ऑडिओ नैसर्गिकपणा

• बोलण्याचा वेग

• भावनिक सुसंगतता

• कलाकृतींची उपस्थिती

तुमचे मॉडेल सुधारत असल्याची चिन्हे

• कमी चुकीचे शब्द

• अधिक सुलभ संक्रमण

• अधिक विश्वासार्ह विराम

• अपरिचित वाक्यांची उत्तम हाताळणी

• सर्व आउटपुटवर स्थिर आवाज ओळख

काहीतरी चुकीचे घडत असल्याची चिन्हे

• धातूसारखा किंवा गुंजन करणारा आवाज

• पुनरावृत्त अक्षरसमूह

• अस्पष्ट व्यंजने

• यादृच्छिक नाट्यमय जोर

• सपाट, निर्जीव डिलिव्हरी

• एका नमुन्यातून दुसऱ्या नमुन्यात आवाजाचा बदल

आणि हो, पुनरावृत्ती होणे हे सामान्य आहे. अगदी सामान्य. पहिला प्रशिक्षित निकाल आशादायक असू शकतो, पण त्यात थोडीशी चूक असू शकते. कदाचित तो ऐकायला बरोबर वाटत असेल, पण वाचायला खूप हळू वाटत असेल. कदाचित तो लहान ओळी चांगल्या प्रकारे हाताळत असेल, पण मोठ्या स्क्रिप्ट्सवर अडखळत असेल. कदाचित तो कथन व्यवस्थित हाताळत असेल, पण आकड्यांच्या बाबतीत अनिश्चित होत असेल. याचा अर्थ असा नाही की प्रोजेक्ट अयशस्वी झाला. याचा अर्थ असा आहे की तुम्ही आता महत्त्वाच्या टप्प्यावर आहात.

पायरी ६ - वास्तवता, भावना आणि नियंत्रणासाठी सूक्ष्म समायोजन करा 🎭

इथेच एक चांगला मॉडेल आपले स्थान मिळवण्यास पात्र ठरू लागतो.

एकदा मूळ आवाज कार्यरत झाला की, पुढचे आव्हान नियंत्रणाचे असते. आवाज केवळ अस्तित्वात असावा असे तुम्हाला नको असते. त्याने कृती करावी अशी तुमची इच्छा असते.

सुधारणा करण्यासारखे क्षेत्र

• स्वररचना - चढ-उतार, नैसर्गिक जोर, लय

• भावना - शांत, उत्साही, प्रेमळ, गंभीर

• बोलण्याची शैली - संभाषणात्मक, सूचनात्मक, चित्रपटीय

• उच्चारण ओव्हरराइड्स - ब्रँडची नावे, पारिभाषिक शब्द, नावे

• वाक्य हाताळणी - विशेषतः लांब किंवा गुंतागुंतीच्या रचना

बरेच निर्माते खूप लवकर थांबतात. ते 'वक्त्यासारखा' वाटणारा आवाज मिळवतात आणि काम झाले असे समजतात. पण केवळ साम्य असणे पुरेसे नाही. एक उत्तम मॉडेल वेगवेगळ्या प्रकारच्या स्क्रिप्टमध्ये नैसर्गिकपणे सादर होते. त्याने ट्युटोरियल, प्रोमो लाइन आणि संवादाचा एक परिच्छेद, हे सर्व करताना मध्येच व्यक्तिमत्त्व बदलल्यासारखे वाटता कामा नये.

यामुळेच 'एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे?' एका क्लिकमध्ये उत्तर मिळत नाही. खरे यश हे प्रशिक्षण आणि त्यासोबतच त्यात सुधारणा करण्यातून मिळते. जे मॉडेल ८० टक्के तयार आहे, ते सुद्धा अपूर्ण वाटू शकते. आणि ते उरलेले २० टक्के? ते पहिल्यांदा वाटते त्यापेक्षा कितीतरी जास्त महत्त्वाचे असतात.

पायरी ७ - केवळ नकली डेमो लाईन्सवरच नव्हे, तर खऱ्या स्क्रिप्ट्सवर त्याची चाचणी घ्या 🧪

कृपया तुमच्या मॉडेलचे मूल्यांकन केवळ “नमस्कार आणि चॅनेलमध्ये आपले स्वागत आहे” यांसारख्या लहान, परिपूर्ण चाचणी वाक्यांशांवरून करू नका. ते केवळ डेमो मिळवण्यासाठी केलेले आमिष आहे.

कच्च्या, वास्तववादी स्क्रिप्ट्सचाही वापर करा:

• लांब परिच्छेद

• उत्पादनांची नावे

• संख्या आणि चिन्हे

• प्रश्न

• जलद संक्रमण

• भावनिक बदल

• विचित्र विरामचिन्हे

• संभाषणाचे अंश

चांगल्या स्ट्रेस-टेस्टच्या उदाहरणांमध्ये यांचा समावेश होतो

• ट्यूटोरियलची ओळख

• ग्राहक समर्थन स्पष्टीकरण

• कथेचा परिच्छेद

• यादी-बहुल स्क्रिप्ट

• ब्रँडची नावे आणि संक्षिप्त रूपे असलेली एक ओळ

• वाक्याचा सूर मध्येच बदलणारा

हे महत्त्वाचे का आहे? कारण आकर्षक सादरीकरणामुळे कमकुवत मॉडेल्स अधिक खुलून दिसतात. खरा आशयच त्यांची कमजोरी उघड करतो. हे एखाद्या गाडीची चाचणी घेण्यासाठी तिला रस्त्यावरून हळूहळू खाली लोटण्यासारखे आहे - तांत्रिकदृष्ट्या ही एक गती आहे, पण तो काही ठोस पुरावा नाही.

पायरी ८ - व्हॉइस मॉडेलचा आवाज बनावट वाटण्याच्या चुका टाळा 🚫

काही चुका पुन्हा पुन्हा दिसून येतात.

सामान्य समस्या

• गोंगाटयुक्त किंवा प्रतिध्वनीयुक्त रेकॉर्डिंग वापरून

• एकाधिक मायक्रोफोन मिसळणे

• खराब गुणपत्रकांसह प्रशिक्षण

• अत्यंत भिन्न बोलण्याच्या शैली एका डेटासेटमध्ये समाविष्ट करणे

• लहान डेटासेटचा आवाज दर्जेदार वाटेल अशी अपेक्षा करणे

• ऑडिओ जास्त स्वच्छ करणे

• उच्चारणातील अपवादात्मक प्रकरणांकडे दुर्लक्ष करणे

• प्रत्येक सुधारणा फेरीनंतर मूल्यांकन वगळणे

आणखी एक मोठी चूक

वापराच्या स्पष्ट मर्यादांशिवाय मॉडेलला प्रशिक्षित करणे.

तुम्ही हे निश्चित केले पाहिजे:

• आवाज कोण वापरू शकतो

• ते कुठे तैनात केले जाऊ शकते

• माहिती देणे आवश्यक आहे की नाही

• कोणत्या प्रकारची सामग्री प्रतिबंधित आहे

• संमती कशी नोंदवली जाते

हे कदाचित कंटाळवाणे, किंबहुना थोडे व्यावसायिक वाटू शकते. पण ते महत्त्वाचे आहे. आवाज हा वैयक्तिक असतो. किंबहुना, तो अत्यंत वैयक्तिक असतो. म्हणून त्याला त्याच प्रकारे वागवा.

नैतिक आणि व्यावहारिक नियम जे कधीही ऐच्छिक नसावेत 🛡️

यासाठी एक स्वतंत्र विभाग असायला हवा, कारण बरेच लोक त्याला एखाद्या तळटीपेप्रमाणे शेवटी दडवून ठेवतात.

व्हॉइस मॉडेल तयार करताना:

• वक्त्याकडून स्पष्ट संमती मिळवा

• लेखी परवानगीच्या नोंदी ठेवा

• परवानगीशिवाय खऱ्या व्यक्तींचे सोंग घेऊ नका

• आवश्यक असल्यास कृत्रिम घटकांचे लेबल लावा

• मूळ व्हॉइस डेटाचे संरक्षण करा

• प्रशिक्षित मॉडेल्सपर्यंतचा प्रवेश प्रतिबंधित करा

• प्रकाशित करण्यापूर्वी आउटपुटचे पुनरावलोकन करा

यात विश्वासाचा एक व्यापक मुद्दाही आहे. श्रोते अधिक हुशार होत आहेत. ऑडिओमध्ये काहीतरी गडबड आहे हे त्यांना अनेकदा जाणवते, जरी त्याचे कारण त्यांना सांगता येत नसले तरी. त्यामुळे पारदर्शकता केवळ नैतिकच नाही, तर ती व्यावहारिकही आहे. विश्वास पुन्हा निर्माण करण्यापेक्षा तो टिकवणे सोपे आहे.

एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे यावरील समारोपाचे विचार? 🎯

तर, एआय व्हॉइस मॉडेलला प्रशिक्षण कसे द्यावे? याची सुरुवात संमती, स्वच्छ रेकॉर्डिंग आणि अचूक प्रतिलिपींनी होते. त्यानंतर तुम्ही डेटासेट काळजीपूर्वक तयार करता, प्रशिक्षणाचा योग्य मार्ग निवडता, काळजीपूर्वक मूल्यांकन करता आणि प्रत्यक्ष संवादांमध्ये आवाज स्थिर व नैसर्गिक वाटेपर्यंत त्यात सुधारणा करत राहता.

हेच खरे उत्तर आहे.

कदाचित आकर्षक नसेल. पण सत्य आहे.

ज्या लोकांना उत्तम परिणाम मिळतात, ते सहसा इतरांपेक्षा काही गोष्टी अधिक चांगल्या प्रकारे करतात:

• ते डेटाचा आदर करतात

• ते प्रतिलिपी स्वच्छ करण्याच्या कामात घाई करत नाहीत

• ते कच्च्या, वास्तववादी स्क्रिप्टवर चाचणी घेतात

• पहिल्या ‘पुरेशा चांगल्या’ निकालानंतर ते त्यात सुधारणा करत राहतात

• त्यांना हे कळतं की, विश्वासार्ह संभाषण हे काही प्रमाणात तांत्रिक प्रक्रिया, काही प्रमाणात ऑडिओ कौशल्य, काही प्रमाणात संयम... आणि थोड्याशा हट्टीपणावर अवलंबून असतं 😄

जर तुमचा आवाज मानवी, विश्वासार्ह आणि व्यावहारिक वाटत असेल, तर शॉर्टकटवर कमी आणि साखळीवर अधिक लक्ष केंद्रित करा: चांगले रेकॉर्ड करा, चांगले स्वच्छ करा, चांगले जुळवा, काळजीपूर्वक प्रशिक्षण घ्या, चिकित्सकपणे ऐका, जाणीवपूर्वक सुधारणा करा. हाच खरा मार्ग आहे.

आणि हो, हे काहीसं कोडने बागकाम करण्यासारखंच आहे. मला माहीत आहे, हे रूपक तंतोतंत नाही. पण तुम्ही योग्य सामग्री लावता, तिची सातत्याने काळजी घेता, आणि काही काळानंतर आश्चर्यकारकपणे जिवंत वाटणारी एखादी गोष्ट प्रतिसाद देऊ लागते.

वास्तविक उदाहरण: संमतीवर आधारित कथन व्हॉइस मॉडेल तयार करणे 🎙️

परिस्थिती

एका लहान शैक्षणिक यूट्यूब चॅनेलची कल्पना करा, जे दर आठवड्याला तीन माहितीपर व्हिडिओ प्रकाशित करते. चॅनेलचा होस्ट प्रत्येक कथन स्वतः रेकॉर्ड करतो, पण रिटेक, एडिटिंग आणि पिकअपमुळे संपूर्ण वेळापत्रक मंदावत चालले आहे.

यजमानाचा आवाज परवानगीशिवाय बदलण्याचा हेतू नाही. यजमान चॅनलचा मालक असतो, लेखी संमतीपत्रावर स्वाक्षरी करतो आणि विशेषतः प्रशिक्षणासाठी एक स्वच्छ डेटासेट रेकॉर्ड करतो. प्रशिक्षित आवाजाचा वापर केवळ निवेदनाच्या पहिल्या मसुद्यांसाठी, स्क्रिप्टमधील किरकोळ बदलांसाठी आणि यजमान उपलब्ध नसताना लहान दुरुस्त्यांसाठी केला जातो.

हे एक वास्तविक उपयोगाचे उदाहरण आहे, कारण व्हॉइस मॉडेल दुसऱ्या कोणाची तरी भूमिका करण्याऐवजी निर्मात्याच्या स्वतःच्या कार्यप्रवाहाला समर्थन देते.

सहाय्यकाला काय हवे आहे

या सेटअपसाठी, निर्माता खालील गोष्टी तयार करतो:

• त्याच मायक्रोफोनने रेकॉर्ड केलेले ९० मिनिटांचे सुस्पष्ट निवेदन

• प्रत्येक क्लिपसाठी अचूक प्रतिलेख

• ब्रँडची नावे, संक्षिप्त रूपे आणि सामान्य विषय शब्दांसाठी एक सोपी उच्चार सूची

• आवाजाचा वापर कोठे केला जाऊ शकतो हे नमूद करणारा संमती दस्तऐवज

• चाचणी स्क्रिप्ट्सचा एक फोल्डर, ज्यामध्ये ट्यूटोरियल्स, भरपूर याद्या असलेले विभाग, प्रश्न आणि विचित्र विरामचिन्हे समाविष्ट आहेत

• ऑडिओची गुणवत्ता, उच्चार, सूर आणि प्रकटीकरण यासाठीची पुनरावलोकन तपासणी सूची

मुख्य नियम सोपा आहे: जोपर्यंत प्रतिलेख (ट्रान्सक्रिप्ट) आणि ऑडिओ अत्यंत सुस्पष्ट नसतील, तोपर्यंत प्रशिक्षण सुरू करू नका. येथे साधी, सुसंगत सामग्री चांगली असते. साध्या, सुसंगत सामग्रीमुळे चांगले प्रशिक्षण मिळते.

उदाहरण सूचना

शांत, मैत्रीपूर्ण आणि शैक्षणिक निवेदन तयार करण्यासाठी मंजूर होस्ट आवाजाचा वापर करा. गती नैसर्गिक ठेवा, भावनांचा अतिरेक टाळा आणि तांत्रिक संज्ञांचा स्पष्ट उच्चार करा. स्क्रिप्टमध्ये संख्या, तारखा, संक्षिप्त रूपे किंवा उत्पादनांची नावे असल्यास, ती जशीच्या तशी लिहा. राजकीय समर्थन, वैद्यकीय सल्ला, आर्थिक आश्वासने किंवा दुसऱ्या व्यक्तीची नक्कल करण्यासाठी भाषण तयार करू नका. ऑडिओ निर्यात करण्यापूर्वी मानवी पुनरावलोकनाची आवश्यकता असलेल्या कोणत्याही ओळीला चिन्हांकित करा.

त्याची चाचणी कशी करावी

संपूर्ण निर्मिती करण्याऐवजी पाच छोट्या पटकथांनी सुरुवात करा.

चाचणी स्क्रिप्ट १: एक प्रश्न आणि एक कृती आवाहन असलेली ३०-सेकंदांची चॅनल ओळख.

चाचणी स्क्रिप्ट २: क्रमांकित पायऱ्या असलेला दोन मिनिटांचा ट्यूटोरियल विभाग.

चाचणी स्क्रिप्ट ३: विचित्र विरामचिन्हे, कंस, डॅश आणि वाक्याच्या मध्यात स्वरात बदल असलेला एक परिच्छेद.

चाचणी स्क्रिप्ट ४: नावे, संक्षिप्त रूपे, किमती आणि तारखा असलेली, मोठ्या प्रमाणात याद्या असलेली स्क्रिप्ट.

चाचणी स्क्रिप्ट ५: एक दुरुस्ती ओळ जिचा सूर आधीच प्रकाशित झालेल्या व्हिडिओच्या सुराशी जुळणे आवश्यक आहे.

ऑडिओ तयार झाल्यावर, प्रत्येक निकालाची चेकलिस्टशी तुलना करा:

• तो आवाज अजूनही अधिकृत वक्त्यासारखाच वाटत होता का?

• सर्व नावे आणि अंक योग्यरित्या उच्चारले गेले होते का?

• गती नैसर्गिक वाटली का?

• तिथे अक्षरांची पुनरावृत्ती, धातूसारखे आवाज किंवा गिळलेले शब्द होते का?

• सूत्रसंचालक हे पुन्हा रेकॉर्ड न करता मंजूर करतील का?

• अंतिम व्हिडिओसाठी कृत्रिम आवाजाच्या घोषणेची आवश्यकता आहे का?

निकाल

उदाहरणादाखल परिणाम: ही कार्यप्रणाली वापरण्यापूर्वी आणि नंतर पाच नमुना कथन कार्यांची वेळ तपासल्यावर असे दिसून आले की, निर्मात्याला ६००-शब्दांच्या स्क्रिप्टसाठी लागणारा पहिल्या टप्प्यातील व्हॉइसओव्हर निर्मितीचा वेळ ४० मिनिटांवरून सुमारे १२ मिनिटांपर्यंत कमी करता आला.

मोजमापाचा आधार: स्क्रिप्ट उघडण्यापासून ते पुनरावलोकनासाठी तयार कथन फाईल निर्यात करण्यापर्यंतच्या संपूर्ण प्रक्रियेला लागणारा वेळ.

त्याच पाच-स्क्रिप्ट चाचणीमध्ये, निर्माता खालील गोष्टींचा मागोवा घेऊ शकतो:

• ५ स्क्रिप्ट तयार झाल्या

• किरकोळ संपादनानंतर ३ स्वीकारले

• उच्चार दुरुस्त्यांसाठी २ परत पाठवले

• एकूण ११ उच्चारणातील चुका आढळल्या

• मानवी पुनरावलोकनाशिवाय ० क्लिप प्रकाशित

• १००% आउटपुटची संमती आणि वापराच्या नियमांनुसार तपासणी केली जाते

ते आकडे प्रत्येक व्हॉइस मॉडेल सारखीच कामगिरी करेल याचा पुरावा नाहीत. ते अशा प्रकारची व्यावहारिक मोजमापे दर्शवतात जी महत्त्वाची आहेत: वाचलेला वेळ, पुनरावलोकन उत्तीर्ण होण्याचे प्रमाण, उच्चारणातील चुका आणि प्रशासकीय प्रक्रियेचे पालन केले गेले की नाही.

काय बिघडू शकतं?

सर्वात सामान्य चूक म्हणजे मॉडेलचा खूप लवकर वापर करणे. जर पहिला आउटपुट 'जवळजवळ बरोबर' वाटत असेल, तर तो पटकन प्रकाशित करण्याचा मोह होऊ शकतो. हे धोकादायक आहे. एकदा ऑडिओ तयार व्हिडिओमध्ये समाविष्ट झाल्यावर, गती, जोर किंवा उच्चारणातील लहान चुका अधिक स्पष्टपणे दिसू लागतात.

इतर समस्यांमध्ये यांचा समावेश आहे:

• वेगळा मायक्रोफोन वापरून जुन्या रेकॉर्डिंगवर सराव करणे

• थकलेल्या विचारांना उत्साही विचारांसोबत मिसळणे

• ऑटो-ट्रान्सक्रिप्ट्सचे पुनरावलोकन न करता त्यांना पुढे जाऊ देणे

• संख्या, नावे आणि संक्षिप्त रूपे तपासायला विसरणे

• खूप लोकांना व्हॉइस मॉडेलचा ॲक्सेस देणे

• वक्त्याने कधीही संमती न दिलेल्या आशयासाठी आवाजाचा वापर करणे

• कार्यप्रवाहाचे नियोजन योग्य प्रकारे न करता कामगिरीत वाढ झाल्याचा दावा करणे

व्यावहारिक निष्कर्ष

एक शक्तिशाली एआय व्हॉइस मॉडेल ही केवळ एक हुशार ऑडिओ युक्ती नाही. ते एक नियंत्रित उत्पादन साधन आहे. त्याला तसेच वागवा: संमती मिळवा, अचूक डेटा रेकॉर्ड करा, प्रत्यक्ष वापरलेल्या प्रोडक्शन स्क्रिप्ट्ससह चाचणी करा, त्रुटींचे प्रमाण मोजा आणि काहीही सार्वजनिक करण्यापूर्वी मानवी समीक्षकाला सर्व प्रक्रियेत सामील ठेवा.

वारंवार विचारले जाणारे प्रश्न

तुम्ही एआय व्हॉइस मॉडेलला सुरुवातीपासून शेवटपर्यंत कसे प्रशिक्षित करता?

एआय व्हॉइस मॉडेलला प्रशिक्षण देण्याची सुरुवात सहसा संमती, स्वच्छ रेकॉर्डिंग आणि अचूक प्रतिलिपींनी होते. तिथून पुढे, कार्यप्रवाह प्रीप्रोसेसिंग, सेगमेंटेशन, मॉडेल प्रशिक्षण, मूल्यांकन आणि फाइन-ट्यूनिंग या टप्प्यांमधून जातो. हा लेख स्पष्ट करतो की प्रशिक्षण हा एका मोठ्या प्रक्रियेचा केवळ एक भाग आहे आणि केवळ एकाच साधनावर किंवा शॉर्टकटवर अवलंबून राहण्याऐवजी प्रत्येक टप्पा चांगल्या प्रकारे हाताळल्यानेच उत्तम परिणाम मिळतात.

एका चांगल्या एआय व्हॉइस मॉडेलला प्रशिक्षित करण्यासाठी तुम्हाला किती ऑडिओची आवश्यकता असेल?

अधिक ऑडिओ उपयुक्त ठरू शकतो, पण केवळ कालावधीपेक्षा गुणवत्ता अधिक महत्त्वाची आहे. मार्गदर्शिकेत नमूद केले आहे की, एक तासाचे सुस्पष्ट आणि सुसंगत भाषण हे अनेक तासांच्या गोंगाटयुक्त किंवा असमान रेकॉर्डिंगपेक्षा अधिक प्रभावी ठरू शकते. एका चांगल्या डेटासेटमध्ये सहसा विविध प्रकारची वाक्ये, संख्या, नावे, प्रश्न आणि नैसर्गिक लय यांचा समावेश असतो, जेणेकरून वक्ता दैनंदिन मजकूर कसा हाताळतो हे मॉडेल शिकते.

व्हॉइस मॉडेलच्या प्रशिक्षणासाठी कोणत्या प्रकारचे रेकॉर्डिंग सर्वात प्रभावी ठरतात?

सर्वोत्तम रेकॉर्डिंग स्वच्छ, सुसंगत असतात आणि संपूर्ण डेटासेटमध्ये एकाच सेटअपमध्ये कॅप्चर केलेली असतात. याचा अर्थ, एकच मायक्रोफोन, एकच खोली आणि बोलण्याचे स्थिर अंतर वापरणे, तसेच इको, हम, कीबोर्डचा आवाज आणि हेवी प्रोसेसिंग टाळणे. नैसर्गिक सादरीकरण देखील महत्त्वाचे आहे, कारण मॉडेल बोलणाऱ्याच्या बोलण्याची गती, सूर आणि ऊर्जा आत्मसात करते.

व्हॉइस मॉडेलला प्रशिक्षण देताना ट्रान्सक्रिप्ट इतके महत्त्वाचे का असतात?

प्रतिलेख महत्त्वाचे आहेत, कारण मॉडेल बोललेल्या ऑडिओ आणि लिखित मजकुराच्या जोडीतून शिकते. जर प्रतिलेख बोललेल्या गोष्टींशी जुळत नसेल, तर मॉडेल कमकुवत उच्चार पद्धती, चुकीच्या ठिकाणी दिलेला जोर किंवा वगळलेले शब्द आत्मसात करू शकते. प्रशिक्षण सुरू होण्यापूर्वी संख्या, संक्षेप, पूरक शब्द आणि विरामचिन्हे यांच्या बाबतीत सुसंगतता राखण्यावरही लेखात भर दिला आहे.

प्रशिक्षणापूर्वी तुम्ही ऑडिओ कसा स्वच्छ आणि विभागला पाहिजे?

ऑडिओ लहान, केंद्रित क्लिप्समध्ये विभागला पाहिजे आणि प्रत्येक क्लिपसाठी एक जुळणारी प्रत (ट्रान्सक्रिप्ट) असावी. सामान्य पूर्वतयारीच्या कामांमध्ये शांतता काढून टाकणे, आवाजाची पातळी सामान्य करणे, गोंगाट कमी करणे आणि विकृत रेकॉर्डिंग किंवा एकमेकांवर आलेले संभाषण काढून टाकणे यांचा समावेश असतो. मार्गदर्शक सूचनांमध्ये आवाजाची अति-स्वच्छता करण्याविरुद्ध इशाराही दिला आहे, कारण श्वासाचा प्रत्येक कण आणि पोत काढून टाकल्याने अंतिम आवाज निर्जीव आणि कमी नैसर्गिक वाटू शकतो.

तुम्ही तज्ञ नसल्यास, एआय व्हॉइस मॉडेलला प्रशिक्षित करण्याचा सर्वोत्तम मार्ग कोणता आहे?

बहुतेक लोकांसाठी, आधीच प्रशिक्षित केलेल्या मॉडेलला फाइन-ट्यूनिंग करणे हा सर्वात व्यावहारिक मार्ग आहे. सुरवातीपासून प्रशिक्षण देण्यापेक्षा, यात गुणवत्ता, डेटाची गरज आणि तांत्रिक प्रयत्न यांचा अधिक चांगला समतोल साधला जातो, तसेच एका साध्या नो-कोड प्लॅटफॉर्मपेक्षा जास्त नियंत्रण मिळते. होस्टेड टूल्स वापरण्यास अधिक जलद असतात, परंतु फाइन-ट्यूनिंग हा एक मध्यम मार्ग ठरतो, जो अधिक मजबूत आणि अधिक जुळवून घेण्याजोगे परिणाम देतो.

प्रशिक्षणादरम्यान तुमच्या एआय व्हॉइस मॉडेलमध्ये सुधारणा होत आहे हे तुम्हाला कसे कळेल?

सुधारणा सामान्यतः अधिक सुस्पष्ट उच्चार, शब्दांची मोडतोड कमी होणे, योग्य विराम आणि वेगवेगळ्या सूचनांनुसार आवाजात अधिक स्थिरता या स्वरूपात दिसून येते. धोक्याच्या चिन्हांमध्ये आवाजात धातूसारखा सूर, शब्दांची पुनरावृत्ती, व्यंजनांचा अस्पष्ट उच्चार, एकसुरी उच्चार आणि नमुन्यांनुसार आवाजातील चढ-उतार यांचा समावेश होतो. लेखात यावर जोर देण्यात आला आहे की मूल्यांकन ही एक वेळची तपासणी नसून, चाचणी आणि पुनर्प्रशिक्षणाच्या निरंतर चक्राचा एक भाग आहे.

तुम्ही एआय व्हॉइस मॉडेलचा आवाज अधिक वास्तववादी आणि भावपूर्ण कसा बनवू शकता?

एकदा मूळ मॉडेल व्यवस्थित काम करू लागले की, पुढची पायरी म्हणजे स्वराघात, भावना, गती आणि बोलण्याच्या शैलीत सुधारणा करणे. एका वास्तववादी आवाजासाठी केवळ बोलणाऱ्या व्यक्तीशी साम्य असून चालत नाही, कारण त्याला ट्युटोरियल्स, निवेदन, प्रचारात्मक ओळी आणि मोठे परिच्छेद कृत्रिम किंवा विसंगत न वाटता हाताळता आले पाहिजेत. सूक्ष्म समायोजनामुळे उच्चार बदलण्यासही मदत होते आणि मॉडेल अधिक लांब व गुंतागुंतीची वाक्ये कशी हाताळते यात सुधारणा होते.

उत्पादनात एआय व्हॉइस मॉडेल वापरण्यापूर्वी तुम्ही काय तपासले पाहिजे?

केवळ लहान प्रात्यक्षिक ओळींवर अवलंबून राहू नका, ज्यांमुळे जवळजवळ कोणताही मॉडेल चांगला वाटतो. मार्गदर्शक सूचनांमध्ये लांब परिच्छेद, विचित्र विरामचिन्हे, उत्पादनांची नावे, संक्षिप्त रूपे, संख्या, प्रश्न आणि भावनिक बदलांसह चाचणी घेण्याची शिफारस केली आहे. संपूर्ण स्क्रिप्टमुळे कमकुवतपणा अधिक लवकर उघड होतो, विशेषतः जेव्हा मॉडेलला आवाजातील बदल, गुंतागुंतीची शब्दरचना किंवा याद्यांनी भरलेला मजकूर हाताळावा लागतो.

एआय व्हॉइस मॉडेलला प्रशिक्षण देताना तुम्ही कोणत्या नैतिक नियमांचे पालन केले पाहिजे?

हा लेख संमतीला अनिवार्य मानतो. तुम्ही फक्त तुमच्या मालकीच्या किंवा वापरण्याची स्पष्ट परवानगी असलेल्या आवाजावरच प्रशिक्षण द्यावे, लेखी नोंदी ठेवाव्यात, मूळ आवाज डेटाचे संरक्षण करावे, प्रशिक्षित मॉडेलवरील प्रवेश मर्यादित करावा आणि वापराच्या स्पष्ट मर्यादा निश्चित कराव्यात. तसेच, योग्य असेल तेव्हा कृत्रिम ऑडिओला लेबल लावण्याची आणि परवानगीशिवाय खऱ्या व्यक्तींची नक्कल करणे टाळण्याची शिफारस केली आहे.

संदर्भ

1. मायक्रोसॉफ्ट लर्न - स्पष्ट परवानगी - learn.microsoft.com

2. इलेव्हन लॅब्स मदत केंद्र - तुमचा स्वतःचा आवाज - help.elevenlabs.io

3. एनव्हिडिया नेमो फ्रेमवर्क डॉक्युमेंटेशन - प्रीप्रोसेसिंग - docs.nvidia.com

4. मॉन्ट्रियल फोर्स्ड अलाइनर डॉक्युमेंटेशन - मजकूर संरेखन अचूकता - montreal-forced-aligner.readthedocs.io

5. यूएस फेडरल ट्रेड कमिशन - परवानगीशिवाय खऱ्या व्यक्तींचे सोंग घेऊ नका - ftc.gov

6. राष्ट्रीय मानक आणि तंत्रज्ञान संस्था - आवश्यक असल्यास कृत्रिम घटकांचे लेबल लावा - nist.gov

अधिकृत एआय असिस्टंट स्टोअरमध्ये नवीनतम एआय शोधा

आमच्याबद्दल