Рынок нейросетей для озвучки текста раскален до предела, и теперь в игру официально вступила компания Илона Маска. На днях xAI открыла для разработчиков доступ к своему новому продукту - Grok Text-to-Speech API.
Если вы думаете, что это очередной скучный бот, который читает текст с интонацией вокзального диктора, то сильно ошибаетесь. Инженеры сделали ставку на максимальную человечность и гибкость.
Что умеет новый голос от Grok?
Во-первых, в арсенале есть 5 уникальных голосов (от энергичной Eve до профессионального Rex). Они звучат максимально естественно и поддерживают более 20 языков. Система сама понимает, на каком языке написан текст, и переключается на лету.
Во-вторых, разработчикам дали потрясающую фишку - "выразительные теги". Прямо в тексте можно прописать команды: здесь нужно сделать глубокий вдох, тут - сымитировать смешок, а эту фразу произнести драматичным шепотом. Вы буквально режиссируете аудио как в театре.
Зачем это нужно?
Помимо создания контента для блогов, xAI метит в корпоративный сектор. Их API поддерживает форматы, нужные для IP-телефонии. Представьте звонок в службу поддержки, где с вами общается нейросеть, которая может сочувственно вздохнуть или рассмеяться над вашей шуткой. Жутковато, но безумно технологично!
А еще отраслевые эксперты уверены, что именно этот движок скоро появится в автомобилях Tesla, заменив текущего синтетического помощника на живого и эмоционального собеседника.
🗣 А как вы относитесь к ИИ-голосам, которые невозможно отличить от настоящих людей? Пугает ли вас перспектива общения по телефону с роботом, который умеет смеяться и вздыхать? Делитесь мнением в комментариях! И не забудьте подписаться на канал @techologiru