Google將Chirp 3語音模型集成到頂點AI

生成式AI主要涉及基於文字的介面，用於創建文字、圖像等內容。但現在，語音正成為焦點，且來勢洶洶。Google剛剛發布重大消息：從下週開始，他們將在Vertex AI平台上推出Chirp 3——他們最新的語音轉文字和高清文字轉語音模型。

就在上週，Google悄悄宣布Chirp 3將引入涵蓋31種語言的八種新語音。這項技術非常適合用於構建語音助手、製作有聲書，甚至創建支援代理和影片配音。他們在倫敦Google DeepMind辦公室的一場活動中分享了這一消息。

Google並非唯一投入語音AI潮流的公司。上週，打造超逼真AI語音“Maya”和“Miles”的Sesame宣布，他們將允許開發者使用其技術構建自訂應用程式和服務。

Google試圖通過對Chirp 3設置一些使用限制來防止濫用，以保持控制。Google Cloud執行長Thomas Kurian在今日的新聞活動中表示：“我們正與安全團隊一起處理這些問題。”

ElevenLabs是AI語音領域的另一大參與者，已籌集數百萬資金以擴展其語音服務。

透過Chirp 3，Google將其與最新版本的LLM Gemini（仍在測試中）、圖像生成模型Imagen以及價格昂貴的Veo 2影片生成工具納入同一家族。

Chirp 3的語音是否能像其他AI語音（Sesame的成果相當令人印象深刻）一樣“真實”仍有待觀察。但正如DeepMind執行長Demis Hassabis所指出的，這是一場馬拉松，而不是短跑。

“在短期內……認為[AI]是未來幾年內解決一切問題的靈丹妙藥，我認為這還不會發生。我認為我們距離AGI的實現還有好幾年，”他說。“它將改變事物……在未來十年內，因此是中長期的事。這是一個有趣的時刻。”

Google於2021年推出Vertex AI，作為開發者在雲端構建機器學習服務的平台。那時AI，尤其是生成式AI，還遠未成為如今因OpenAI的GPT服務而掀起的熱門話題。

自那時起，Google一直在大力推動Vertex AI，努力跟上Microsoft和Amazon等公司，後者也在為開發者打造生成式AI工具。透過Vertex AI，開發者不僅可以基於Gemini進行構建，還可以分類數據、訓練模型並準備投入生產。有趣的是，Google是否會決定向其他創作者的模型開放其平台。

Google多年來一直在研究“Chirp”語音技術，早在他們用其作為代號挑戰Amazon的Alexa時就已開始。