MiniMax Speech 2.8 يضفي دفئًا بشريًا على الأصوات الاصطناعية عبر كلمات الحشو الأصلية والاستنساخ عالي الدقة

أطلقت MiniMax اليوم Speech 2.8، أحدث إصدار من محرك التوليف الصوتي. الهدف الكبير هنا هو القضاء على الصوت المسطح الشبيه بالآلي الذي طارد الأصوات الاصطناعية لسنوات. يستهدف هذا التحديث أربع نقاط ضعف: نمذجة كلمات الحشو بشكل طبيعي، واستنساخ جرس الصوت بدقة عالية، وإنتاج صوت خالٍ من الضوضاء، ومعالجة التوليف عبر اللغات بشكل أكثر سلاسة.

مشكلة 'الكمال المفرط'

حددت الشركة المشكلة الأساسية: الأصوات الاصطناعية تبدو 'مثالية للغاية'. الكلام البشري الحقيقي فوضوي. إنه مليء بالأنفاس والتوقفات والترددات، وهي إشارات صغيرة تحمل العاطفة والتوكيد. أصبح Speech 2.8 الآن يصمم كلمات الحشو مثل 'أم' و 'آه' و 'آه' بشكل أصلي، مما يحافظ على توقيتها الطبيعي وإيقاعها سليمًا.

في أحد العروض الصوتية التجريبية التي شاركتها MiniMax، ينتج النموذج مونولوجًا حواريًا. تسمع شهيقًا، وتوقفات طبيعية، وحشوًا يبدو عفويًا. ينتهي النص بمفاجأة: المتحدث يكشف أنه ليس بشريًا ولكنه نموذج Speech 2.8 نفسه، ويحث المستمعين على 'الانتباه جيدًا للتنفس، ونبرة الصوت، وحتى الثرثرة العفوية'.

استنساخ الصوت في 10 ثوانٍ

حصل استنساخ الجرس على ترقية كبيرة أيضًا. يحتاج Speech 2.8 إلى 10 ثوانٍ فقط من الصوت الأصلي لالتقاط ما تسميه MiniMax 'بصمة صوت' الشخص، ليس فقط النغمة، ولكن أيضًا أنماط التنفس والجودة وإيقاع الكلام المميز.

قدمت MiniMax تحليلاً مفصلاً لأحد أمثلة الاستنساخ. أبرزت ثلاث ميزات: 'نسيج ناضج' ناعم مع رنين صدري منخفض التردد وخصائص أنفية؛ 'أسلوب تنفس كسول لكن طبيعي' مع أنفاس عميقة وزفير عادي يجعل الجمل القصيرة تبدو وكأنها تفاعل حقيقي؛ ونمط كلام ساخر دقيق، بما في ذلك إيقاع يبدأ ببطء وينتهي بسرعة ونغمة تتبع في نهايات الجمل تنقل التشكيك المرح.

وضوح صوتي بجودة الاستوديو

خضع خط أنابيب معالجة الصوت لتجديد كامل لتنظيف ضوضاء الخلفية والآثار الرقمية. يُوصف الناتج الآن بأنه 'نظيف وشفاف'، يمكن مقارنته بتسجيل من استوديو محترف. يوضح مقطع تجريبي هذه النقطة بسرد شعري عن صباح في غابة، يكتمل بأصوات رياح وأوراق خفيفة تمتزج بسلاسة مع الصوت الاصطناعي.

تحسينات عبر اللغات

يتعامل Speech 2.8 مع صداع مستمر في التوليف الصوتي متعدد اللغات: تسرب اللهجة. أول إصلاح مستهدف يحسن التوليف الياباني من الأجراس الصينية، ويزيل الاختلال الصوتي السابق والتنغيم غير الطبيعي. تقول MiniMax إن النموذج يدعم الآن أكثر من 40 لغة من ملف صوتي واحد، مع تحديد المزيد من أزواج اللغات للتحسين في التحديثات المستقبلية.

يُظهر عرض توضيحي ثنائي اللغة (صيني-ياباني) النموذج وهو ينتقل بين اللغتين في منتصف الجملة، مع الحفاظ على جودة صوت متسقة وعلم العروض الطبيعي في كلتا اللغتين.

التوفر

يتوفر Speech 2.8 الآن عبر المنصة المفتوحة MiniMax ومنتج MiniMax Audio. تضع الشركة النموذج في إطار مهمتها الأوسع: 'الذكاء مع الجميع'.