ElevenLabs wychodzi z fazy beta i wprowadza Eleven Multilingual v2 – podstawowy model językowy AI dla 30 języków

• ElevenLabs, platforma dla lingwistycznej AI, robi radykalny krok naprzód w dążeniu do pokonywania barier językowych w treściach, wprowadzając nowe, podstawowe modelowanie deep learning, które wspiera wielojęzyczne możliwości w 30 językach – Eleven Multilingual v2
• Ta innowacja pozwoli firmom medialnym, twórcom gier, wydawcom i niezależnym autorom na całym świecie znacznie poprawić dostępność swoich treści
• Te nowe możliwości, które są kontynuacją szeregu nowych funkcji i ulepszeń od uruchomienia platformy w styczniu, oznaczają również oficjalne zakończenie fazy beta firmy
• Misją ElevenLabs jest uczynienie wszystkich treści uniwersalnie dostępnymi w każdym języku i z każdą głosem

Londyn, Wielka Brytania – ElevenLabs, wiodący na świecie dostawca oprogramowania do rozpoznawania mowy, wprowadził dziś nowe wielojęzyczne modelowanie generowania mowy, które potrafi tworzyć „emocjonalne” sygnały audio AI w 30 językach.

Rozwój, oparty w pełni na własnych badaniach, pozwoli deweloperom produkować zlokalizowane treści audio dla międzynarodowych rynków w Europie, Azji i na Bliskim Wschodzie. ElevenLabs analizował markery ludzkiej mowy przez ostatnie 18 miesięcy, opracował nowe mechanizmy rozumienia kontekstu i wyrażania emocji w generowaniu mowy oraz stworzył nowe, unikalne głosy.

Z Eleven Multilingual v2 nowy model może automatycznie rozpoznawać prawie 30 języków pisanych przy wprowadzaniu tekstu do platformy Text to Speech ElevenLabs i generować mowę w tych językach z niespotykaną dotąd autentycznością.

Niezależnie od tego, czy używana jest syntetyczna, czy sklonowana głos, unikalne cechy głosu mówcy są zachowane we wszystkich językach, w tym oryginalny akcent. Oznacza to, że z tym samym głosem można ożywić treści w 30 różnych językach.

Ta premiera następuje po publicznym udostępnieniu Professional Voice Cloning dla wszystkich twórców na platformie. Dzięki tej aktualizacji produktu, wydanej wraz z dodatkowymi funkcjami zabezpieczeń, użytkownicy mogą stworzyć idealną cyfrową kopię swojego głosu, która

praktycznie nie różni się od oryginału. Dzięki dzisiejszej premierze twój głos może mówić w prawie 30 językach dostępnych w ramach modelu wielojęzycznego.

Obsługiwane języki to: koreański, niderlandzki, turecki, szwedzki, indonezyjski, wietnamski, filipiński, ukraiński, grecki, czeski, fiński, rumuński, duński, bułgarski, malajski, węgierski, norweski, słowacki, chorwacki, arabski i tamilski. Te języki uzupełniają już dostępne języki: angielski, polski, niemiecki, hiszpański, francuski, włoski, hindi i portugalski.

Po wprowadzeniu nowych funkcji i ciągłym ulepszaniu platformy ElevenLabs potwierdziło dziś również, że platforma oficjalnie opuściła fazę beta. Ten przejście oznacza kluczowy moment w zaangażowaniu firmy w dostarczanie ponad 1 milionowi użytkowników na całym świecie niezawodnych i nowoczesnych narzędzi.

W przyszłości ElevenLabs planuje wprowadzenie mechanizmu, który pozwoli użytkownikom dzielić się swoimi głosami na platformie i czerpać korzyści z rozwoju nowych danych audio, aby wspierać współpracę między ludźmi a AI.

Mati Staniszewski, CEO i założyciel ElevenLabs, powiedział:

„ElevenLabs zostało założone z marzeniem, aby wszystkie treści były uniwersalnie dostępne w każdym języku i z każdą głosem. Dzięki wprowadzeniu Eleven Multilingual v2 jesteśmy o krok bliżej do realizacji tego marzenia, udostępniając głosy AI o jakości ludzkiej w każdym dialekcie.

Nasze narzędzia do syntezy mowy torują drogę dla wszystkich twórców, oferując im wysokiej jakości opcje syntezy mowy. Te korzyści teraz obejmują wielojęzyczne zastosowania w prawie 30 językach. Ostatecznie mamy nadzieję, że z pomocą AI będziemy mogli objąć jeszcze więcej języków i głosów oraz usunąć bariery językowe dla treści. W ElevenLabs wierzymy, że te skoki w dostępności ostatecznie prowadzą do większej kreatywności, innowacji i różnorodności.”

ElevenLabs redukuje koszty i zasoby potrzebne do tworzenia wysokiej jakości treści audio w wielu językach. Firmy i twórcy mogą dzięki temu produkować bardziej pomysłowe i łatwiej dostępne treści, które znajdują odbiorców ponad granicami kulturowymi i językowymi.

Niezależnym twórcom gier i wydawcom wielojęzyczne narzędzie do generowania mowy oferuje nowe możliwości tłumaczenia doświadczeń graczy i treści audio dla międzynarodowej publiczności oraz komunikowania się z graczami i słuchaczami w ich własnym języku, bez kompromisów w zakresie jakości czy dokładności mowy.

Podobnie, instytucje edukacyjne mają teraz możliwość natychmiastowego dostarczania uczniom precyzyjnych treści audio w docelowym języku, aby poprawić zrozumienie języka i wymowę oraz sprostać różnym stylom nauczania i potrzebom edukacyjnym międzynarodowych studentów.

Twórcy wszelkiego rodzaju mogą korzystać z narzędzia ElevenLabs, aby poprawić dostępność swoich treści dla osób z wadami wzroku lub dodatkowymi potrzebami edukacyjnymi, wzbogacając treści wizualne o mowę w wielu językach.

Pierwszy zestaw narzędzi do syntezy mowy AI, przedstawiony w styczniu 2023 roku, oferuje możliwość zamiany dowolnego tekstu na mowę, korzystając z wyboru predefiniowanych syntetycznych głosów oraz możliwości stworzenia klonu własnego głosu. Wielojęzyczne narzędzie do syntezy mowy to kolejny krok w misji ElevenLabs, aby wszystkie treści były uniwersalnie dostępne w każdym języku i z każdą głosem.

Technologia jest już wykorzystywana w wielu kreatywnych branżach i sektorach. Pozwala niezależnym autorom pisać audiobooki, dubbingować postacie poboczne w grach wideo, ułatwiać osobom niewidomym dostęp do pisemnych treści online i prowadzić pierwszy na świecie radiowy kanał AI. ElevenLabs nawiązało również partnerstwa z wieloma wiodącymi twórcami treści i studiami, w tym z generatorem wideo AI D-ID, Storytel, jednym z największych wydawców audiobooków na świecie, platformą wideo z otwartym dostępem ScienceCast, której narzędzie do generowania wideo agreguje prace naukowe opublikowane na arXiv, wiodącą na świecie platformą do tworzenia treści TheSoul Publishing, niesamowitymi twórcami gier jak Embark Studios i Paradox Interactive oraz platformą medialną MNTN.