Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Doba trvání 14 hodiny
Návrh Školení
Úvod do syntézy řeči a klonování hlasu
- Přehled text-to-speech (TTS) a neuronové syntézy hlasu
- Klonování hlasu vs. generování řeči: use case a hranice
- Klíčové modely: Tacotron, WaveNet, FastSpeech, VITS
Práce s komerčními platformami
- Používání ElevenLabs a Resemble AI
- Vytváření, klonování a úprava hlasu
- Přístup přes API a workflow pro text-to-speech
Vývoj pomocí open-source nástrojů
- Instalace a konfigurace Coqui TTS
- Vycvičení vlastních hlasů a správa datasetů
- Generování řeči s jemnou kontrolou (výška, rychlost, emoce)
Příprava dat a správa datasetů hlasů
- Shromáždění a čištění vzorků hlasu
- Segmentace, značkování a zarovnání transkriptů
- Etický sourcing a souhlas s použitím hlasu
Integrace do aplikací
- Vložení TTS do webových stránek a aplikací
- Vytváření IVR systémů a interaktivních botů
- Generování syntetického dialogu pro video a hry
Hodnocení kvality a realismu
- MOS (Mean Opinion Score) a testy srozumitelnosti
- Kontrola výraznosti a prosodie
- Srovnání latence, věrnosti a realismu
Etické, právní a správní aspekty
- Rizika deepfake a odpovědné používání
- Souhlas, autorství a dopady na autorská práva
- Pravidla a organizační politiky
Shrnutí a další kroky
Požadavky
- Znalosti základů strojového učení
- Ověřená znalost formátů zvukových souborů a nástrojů pro editaci
- Základní programovací dovednosti v Pythonu
Cílová skupina
- AI vývojáři a inženýři se zajímající se o syntézu řeči
- Tvůrci obsahu a mediální technologové zkoumající generování hlasu
- Tým R&D vyvíjející personalizované nebo dynamické zvukové systémy
