1月3日 消息:MyShell最新推出的開源語音克隆工具OpenVoice引起了廣泛關注。這一創新產品由麻省理工學院(MIT)、清華大學以及加拿大人工智能初創公司MyShell合作開發。OpenVoice采用了一種概念簡單但高效的方法，可幾乎即時克隆用戶的語音，并使用明顯更少的計算資源。

　　該工具不僅具備語音克隆的基本功能，而且提供了細致入微的控制選項，涵蓋語調、情感、節奏、停頓和語調等多個方面。這意味著用戶可以通過OpenVoice生成具有個性化風格的語音克隆，而無需花費大量時間和計算資源。

　　在作者的非科學性測試中，使用OpenVoice在HuggingFace平臺上生成了一個相對令人信服的語音克隆，僅需幾秒鐘的隨機語音即可完成。與其他語音克隆應用不同的是，用戶無需朗讀特定文本片段，只需隨意說幾秒鐘的話，即可立即生成可播放的語音克隆，讀取提供的文本提示。

　　OpenVoice的背后是兩個主要的AI模型:文本到語音(TTS)模型和“音調轉換器”模型。TTS模型控制“風格參數和語言”，并且通過來自兩名英語演講者(美國和英國口音)、一名中文演講者和一名日本演講者的30，000個句子的音頻樣本進行訓練。與此同時，音調轉換器模型則通過來自20，000多名不同演講者的300，000個音頻樣本進行訓練。

　　通過將用戶提供的錄音音頻的音調與TTS模型的“基礎發聲者”結合起來，這兩個模型共同可以復制用戶的語音，并改變其“音調顏色”或文本所表達的情感表達。與其他方法相比，OpenVoice的方法在克隆語音時大大減少了計算資源的使用，包括Meta的競爭對手Voicebox。

　　MyShell，作為OpenVoice的推動者，成立于2023年，總部位于加拿大艾伯塔省的卡爾加里，通過由INCE Capital主導的560萬美元種子輪融資以及Folius Ventures、Hashkey Capital、SevenX Ventures、TSVC和OP Crypto的額外投資，已經吸引了超過400，000名用戶。該初創公司通過其Web應用提供各種基于文本的AI角色和機器人，包括一些帶有不同“個性”的角色，還提供動態GIF制作工具和用戶生成的基于文本的角色扮演游戲。

　　盡管MyShell將OpenVoice開源，但該公司仍通過其Web應用的月度訂閱、希望在應用程序內推廣其產品的第三方機器人創建者費用以及人工智能培訓數據費用等多方面賺取收入。這種商業模式旨在為MyShell提供可持續的經濟基礎，從而在開源和商業利益之間找到平衡。