Podcastle tiết lộ văn bản-to-Speech với 450+ giọng nói AI

Podcastle, nền tảng phổ biến để ghi và chỉnh sửa podcast, đang nhảy vào trò chơi Text Text-Teche với mô hình mới của nó, Asyncflow v1.0. Họ không chỉ dừng lại ở đó, họ còn đưa ra một API cho các nhà phát triển, khiến cho việc cắm công nghệ này vào các ứng dụng của họ.

Với Asyncflow v1.0, Podcastle hiện đang tự hào với hơn 450 giọng nói AI đã sẵn sàng để đọc to văn bản của bạn. Phần mát mẻ? Họ đã quản lý để giảm chi phí đào tạo và suy luận, điều này mang lại cho họ một bước chân trong cuộc thi.

Podcastle hiện đang ở trong cùng một giải đấu với các công ty khởi nghiệp khác như Elevenlabs, Spreamify và Wellsaid, tất cả đều đang sử dụng AI để biến văn bản thành những từ được nói. Công nghệ này có các ứng dụng ở khắp mọi nơi, từ tiếp thị và quảng cáo đến tạo nội dung, giảng dạy và thậm chí đào tạo mọi người tại nơi làm việc.

Arto Yeritsyan, bộ não đằng sau Podcastle, nói với TechCrunch rằng họ đã muốn đi sâu vào văn bản thành lời nói trong một thời gian. Vấn đề? Nó chỉ là quá đắt và đói dữ liệu. Nhưng nhờ một số đột phá gần đây trong các mô hình ngôn ngữ lớn, cuối cùng họ đã bẻ khóa mã năm ngoái. "Chúng tôi đã nhắm đến việc xây dựng một mô hình văn bản thành giọng nói vững chắc ngay từ đầu," Yeritsyan nói. "Nhưng các chi phí rất cao. Với công nghệ mới nhất, chúng tôi đã tìm ra cách tạo ra một mô hình giọng nói hàng đầu mà không cần một núi dữ liệu."

F gây quỹ Series A năm ngoái trị giá 13,5 triệu đô la của họ năm ngoái cũng đã giúp thúc đẩy dự án này.

Khi nói đến giá cả, Podcastle khá cạnh tranh. Họ đang tính phí khoảng 40 đô la trong 500 phút chuyển đổi văn bản thành giọng nói, trong khi Elevenlabs yêu cầu 99 đô la cho cùng một số tiền.

Tính năng nhân bản bằng giọng nói của Podcastle cũng đang thay đổi, làm cho quá trình đào tạo nhanh hơn rất nhiều. Trước đây, bạn phải đọc ra khoảng 70 câu để đào tạo hệ thống. Bây giờ, chỉ mất vài giây giọng nói của bạn. Họ đang sử dụng AI Magic Dust, mà họ đã ra mắt vào năm ngoái, để tăng chất lượng âm thanh trong quá trình mới này.

Khi chúng tôi dùng thử, giọng nói có vẻ hơi robot, nhưng nó đã bắt được giai điệu của chúng tôi khá tốt. Podcastle cho biết họ đang làm việc để làm cho nó thậm chí còn tốt hơn. Bạn cũng có thể đào tạo hệ thống với các mẫu giọng nói khác nhau để có kết quả khác nhau.

Podcastle cho rằng, ngoài việc giữ chi phí thấp, có mọi thứ, từ các công cụ âm thanh và video đến podcast và tường thuật AI ở một nơi sẽ khiến chúng khác biệt với cuộc thi. Yeritsyan đã đề cập rằng trong khi hầu hết người dùng tuân thủ nội dung âm thanh, video cũng bắt đầu có được chỗ đứng.