मेटाने आपल्या यूजर्ससाठी एक नवीन जनरेटिव्ह एआय स्पीच टूल सादर केलंय. व्हॉईसबॉक्स असं नाव या टूलला देण्यात आलंय. यामध्ये कित्येक नवीन फीचर्स देण्यात आले आहेत.

काय आहे व्हॉईसबॉक्स?

व्हॉईसबॉक्स हे टूल उच्च दर्जाच्या ऑडिओ क्लिप्स वेगवेगळ्या पद्धतीने सादर करतं. उपलब्ध असणाऱ्या सॅम्पलच्या मदतीने हे एक नवीन ऑडिओ फाईल तयार करू शकतं. तसेच, मेटाचं हे नवीन एआय मॉडेल (Meta Voicebox) सहा भाषांना सपोर्ट करतं. नॉईज रिमूव्हल, कंटेंट एडिटिंग, स्टाईल बदल आणि विविध प्रकारचे सॅम्पल जनरेशन असे कित्येक फीचर्स यात दिले आहेत.

टेक्स्ट टू स्पीच

टेक्स्ट टू स्पीच करण्यासाठी सध्या कित्येक अ‍ॅप्स उपलब्ध आहेत. मात्र, व्हॉईसबॉक्स हे या सगळ्यांपेक्षा सरस ठरणार आहे. कारण, लिहिलेल्या वाक्यातील संदर्भ समजून घेऊन, त्यानुसार वेगवेगळ्या लयीत हे व्हॉईस तयार करू शकेल. याचा फायदा बोलता न येणाऱ्या दिव्यांग व्यक्तींना होणार आहे.

५० हजार तासांचं रेकॉर्डिंग

मीडिया रिपोर्ट्सनुसार, हे नवीन एआय स्पीच मॉडेल तयार करण्यासाठी ५० हजार तासांचं रेकॉर्डिंग वापरण्यात आलं आहे. यासोबतच, या मॉडेलला विविध भाषांमधील ऑडिओबुक्सच्या माध्यमातून ट्रेनिंग देण्यात आलं आहे.

विविध भाषांचा सपोर्ट

या टूलमध्ये सहा भाषांचा सपोर्ट देण्यात आला आहे. यात इंग्रजी, फ्रेंच, जर्मन, स्पॅनिश, पोलिश आणि पोर्तुगिज भाषेचा समावेश आहे. यांपैकी कोणत्याही भाषेत लिहिलेला कंटेंट हे टूल वाचू शकणार आहे. त्यामुळे वेगवेगळ्या भाषा बोलणारे दोन व्यक्ती एकमेकांशी अधिक प्रभावी संवाद साधू शकतील.

नॉईज रिमूव्हल

या टूलच्या मदतीने बोलताना चुकीचे उच्चारले गेलेले शब्द हटवणे सोपं होणार आहे. तसंच, स्पीच तयार करताना त्यातील नॉईज - म्हणजेच गोंधळ काढून टाकता येऊ शकेल. यामुळे एखादी चूक तिथेच दुरूस्त करता येईल, आणि यूजरला संपूर्ण स्पीच पुन्हा एकदा रेकॉर्ड करावी लागणार नाही.