Искусственный интеллект Microsoft сотрудничает с Project Gutenberg для создания 5000 аудиокниг

В замечательном развитии событий для любителей литературы и сторонников доступности Microsoft объединилась с Project Gutenberg, Google и MIT для создания коллекции из 5000 аудиокниг с открытой лицензией. Это сотрудничество оживило разнообразный спектр литературных произведений, охватывая классическую литературу, пьесы, биографии и многое другое, что в общей сложности составляет около 35 000 часов аудиоконтента. Эти аудиокниги доступны широкой аудитории, включая людей с нарушениями зрения, молодых читателей и изучающих языки.

Повышение доступности через аудиокниги

Инициатива, названная «Масштабное автоматическое создание аудиокниг», направлена на значительное улучшение доступности литературных произведений за счет использования передовых технологий ИИ. Аудиокниги давно любимы читателями, однако традиционный процесс их создания является трудоемким и дорогостоящим. Исторически синтезированные голоса, используемые в аудиокнигах, звучали роботизированно, что снижало качество прослушивания.

Однако инновационная технология преобразования текста в речь Microsoft революционизировала этот ландшафт. Сотрудничая с Project Gutenberg, команда выпустила «Коллекцию открытых аудиокниг Project Gutenberg», сокровищницу аудиокниг, доступных на основных подкаст- и стриминговых платформах, а также через удобный файл .zip для исследователей.

Аудиокниги, звучащие удивительно по-человечески

Одной из выдающихся особенностей этой инициативы является удивительно человеческий голос ИИ, используемый для озвучивания. В отличие от предыдущих систем преобразования текста в речь, технология Microsoft достигла уровня реализма, который можно легко принять за человеческий диктор. Однако это не лишено своих особенностей. Например, ИИ иногда испытывает трудности с отдельными буквами, превращая «I» в «eye» (глаз/я) и «V» в «vee» (буква в). Кроме того, каждый персонаж в истории читается одним и тем же голосом, независимо от пола или идентичности, что вызывает предложения о большем разнообразии голосов.

Будущие инновации и настройка

Заглядывая в будущее, исследователи стремятся further улучшить опыт прослушивания аудиокниг. Они изучают «систему автоматического определения спикера и эмоций», которая может динамически корректировать голос и тон в зависимости от контекста текста, делая диалоги более реалистичными и увлекательными. В идеале читатели могли бы настраивать свой опыт прослушивания, выбирая предпочтительные голоса, скорости и многое другое.

Хотя эта функция еще не является частью текущей коллекции, она отражает приверженность исследователей постоянному улучшению опыта прослушивания аудиокниг. У них также есть амбициозные планы расширить свою библиотеку аудиокниг, чтобы охватить все 60 000 электронных книг, доступных на Project Gutenberg, потенциально даже переводя их на различные языки.

Инклюзивность и открытый исходный код

Одним из самых достойных похвал аспектов этого проекта является его приверженность инклюзивности и принципам открытого исходного кода. Аудиокниги, созданные в рамках этого сотрудничества, свободно доступны для всех, а базовое программное обеспечение также имеет открытый исходный код. Это означает, что не только читатели могут наслаждаться огромным разнообразием аудиокниг бесплатно, но и другие, заинтересованные в улучшении или использовании программного обеспечения для своих собственных проектов, могут делать это без ограничений.

Исполнительный директор Project Gutenberg, Грег Ньюби, выразил свою поддержку этой инициативе, подчеркнув важность обеспечения более широкой доступности литературы для аудитории без финансовых барьеров.

Это сотрудничество между Microsoft, Project Gutenberg, Google и MIT представляет собой значительную веху в мире аудиокниг. Оно не только делает литературную классику более доступной, но и прокладывает путь для будущих инноваций в области технологии преобразования текста в речь. Благодаря потенциалу персонализированных аудиокниг и приверженности открытости, этот проект обещает доставить литературу более разнообразной и глобальной аудитории.