Fish Audio lanserar Drama 3: AI-röster på naturligt språk

Fish Audio, baserat i Palo Alto, Kalifornien, har lanserat sin nya AI-modell vid namn Drama 3. Denna text-till-tal-modell tillåter utvecklare, studior och skapare att styra röstuppspelningar med naturligt språk, snarare än att bara generera dem.

Med Drama 3 kan användare beskriva önskad ton, tempo och karaktärsdrag utan komplicerade kommandon. Modellen möjliggör också finjustering av röstuppspelningen rad för rad, till exempel genom att ändra känslan mitt i en mening. Detta är särskilt användbart för produktioner som ljudböcker, spel och animationer, där även små ändringar kan förbättra slutresultatet avsevärt.

"Röst-AI har blivit mycket bra på att generera tal. Nästa steg är att styra en föreställning", säger Rissa Cao, VD för Fish Audio. Hon betonar att Drama 3 placerar skaparna i regissörens stol, vilket möjliggör finjusteringar utan att behöva rendera om hela segment.

Modellen inkluderar fyra nya funktioner: styrning med naturligt språk, generering av dialog med flera talare, redigering av ljudsegment och konsekvens för långa och flerspråkiga produktioner. Fish Audio har nyligen sett en betydande tillväxt i sin användarbas och omsättning, och dess teknologi används brett inom innehållsskapande i olika branscher.