Dźwięki nie były Montowane (można użyć tagów do tego)
Przed posłuchaniem tego wpisu na blogu zalecam zkonsultowanie się z lekarzem lub farmaceutą, gdyż to może powodować nerwicę natrenctw, lub nadmierną irytację
Ostrzegałem
Model ElevenLabs v4. Niestabilnie emocjonalnie pijak
przez
Tagi:
Komentarze
11 odpowiedzi na “Model ElevenLabs v4. Niestabilnie emocjonalnie pijak”
-
Jeśli jest profesjonalny aktor to on tak odegra pijaka, że faktycznie dykcja jest, ale jest wyraźnie spłaszczona, tutaj tak nie jest, zresztą audiobooki też są dla mas, więc nikt na takie detale nie zwróci uwagi. Co do muzyki 97% ludzi nie rozróżnia czy to prawdziwe czy AI, badania ostatnio przeprowadzili na ten temat.
-
Tej nienaturalności nie uznaję za wadę. W zamierzeniu to nie ma być coś do deepfake tylko raczej do profesjonalnego użytku w rodzaju audiobooków, reklam, być może dubbingu, gier itp, a w tych przypadkach perfekcyjna dykcja jest zdecydowanie porządana. Jeśli to tak działa to lektorzy mogą się zacząć zastanawiać nad pewną hm… elastycznością w przyszłych działaniach. No bo tak: weźmy takiego sobie przeciętnego czytacza, który nie ma rozpoznawalnego nazwiska, czyta jak większość, ani to specjalnie słabe, ani jakoś szczególnie fajne. Będzie nadal czytał, niech czyta. Nie będzie, nikt nie zwróci uwagi. Sam proces nagrywania z tego typu lektorem takiej średniej wielkości książki to kilka tysięcy zł. Liczę lektora, realizatora, koszt studia, pomyłki, przerwy na kawę, obróbkę po nagraniu, bo te pomyłki trzeba potem uładzić itp. Elevenlabs zrobi tę książkę za czwartą, może piątą część tej ceny. Mówię nie o modelu turbo, który ma słyszalnie obniżoną jakość tylko full 48kHz. Do tego doliczmy model językowy do wstawiania tagów, myślę, że abonament 100zł miesięcznie styknie spokojnie. Mamy w sumie niezły produkt za znacząco niższą cenę. Przy czym wybór głosów jest przeogromny, a podejrzewam, że firma, która podpisze duży kontrakt z 11labs może dodatkowo wynegocjować cośkolwiek atrakcyjniejsze warunki, czyli koszt spada jeszcze bardziej. V4 jest, o ile wiem, znacznie stabilniejszy, nie ma problemów z denerwującymi piskami w trakcie czytania i nie zmienia nagle barwy głosu. To nie jest ideał, ale wyobrażam sobie audiobooka od początku do końca nagranego właśnie przez v4 z niewielką ingerencją człowieka.
-
Denis dokładnie, niech wejdzie do studia i sam nagra hehe.
-
@piecu pełna zgoda. Ale nie to jest najgorsze. Hohlą dziekciu w tym wszystkim jest fakt, że większość ludzi nie odróżnia suno od człowieka. A nawet jeśli to ma wywalone i słucha bo wpada w ucho. Ostatnio przez miesiąc byłem męczony tego typu gównowatą twórczością i przysięgam, że jak trafię poraz kolejny na jakieś pseudo słońcowe gawno to zatłukę, i powyrywam paluszki, żeby już delikfent nie mógł wklepywać poleceń na klawiaturce.
-
@piecberg zgadzam się z tym, że AI to AI, i człeka nie zastąpi w tym naturalnym, że tak powiem, stylu mówienia czy śpiewania. Jak chodzi o metody trenowania, chujnia
ale chciałem zaprezentować co v4 potrafi, w porównaniu do v3
Głos był akurat klonowany z pijaczka
@monte, Nikt poza mną niczego nie brał, to był mój osobisty, nie zależny od redaktornstwa wpis :d -
Co wyście brali? 😀
-
Gówno warte, dlaczego? Podobnie jak z muzyką, trenowane na lektorach i aktorach, więc zwróćcie uwagę, niby pijak, ale jaka perfekcyjna dykcja, w ogóle się to nie trzyma rzeczywistości. No, ale tu podobnie jak w suno czy udio to jest produkt masowy a masy lubią jak coś się błyszczy. Suno trenowali na najlepszych teraźniejszych popowych produkcjach, więc jak zadamy suno temat by wygenerowało jazz, big band, albo klasykę, wszystko brzmi obrzydliwie, podobnie jak ten od siedmiu boleści pijak. Pijak a jednak dykcja perfekcyjna, chujnia jednym słowem.
-
XD, śmiszne nawet, fajnie w artykulancję umi.
-
Xd trochę jak Mekatron
-
Dej no jeszcze kurwa… 2 złote.
-
jezó, cudowne!😂
Dodaj komentarz