Аплодисменти, топка и освирквания с една команда: ElevenLabs пусна SFX v3
Новият модел създава няколко звука едновременно от едно текстово описание и според компанията възпроизвежда музика и вокали по-убедително, а звуци като гонгове – по-чисто.
Снимка: Rafał Masłow / Wikimedia Commons, CC BY-SA 4.0 (изрязана и мащабирана)
Видео: YouTube · ElevenLabs · youtube.com
Специалистът по аудио с ИИ ElevenLabs представи в четвъртък SFX v3 – третата версия на своя модел, който създава звукови ефекти от кратки текстови описания. Според компанията моделът изпълнява по-надеждно няколко указания в една заявка, така че повече от описаните звуци наистина се чуват в готовия клип. Официалното видео на ElevenLabs показва примери.
Като пример ElevenLabs дава футболна сцена: възгласи на публиката, удар на топка и няколко секунди по-късно освирквания – всичко от една команда. Моделът се справял по-добре и когато мелодия или вокал трябва да се съчетаят със звуци от околната среда. Освен това звукът бил по-чист и естествен, а при гонгове, камбанки и свирки по-рядко се появявали смущения. Тези данни се основават на сравнителни тестове на компанията със SFX v2; независими проверки няма.
SFX v3 е достъпен в креативната платформа ElevenCreative – например в Studio и в музикалния редактор, – чрез интерфейса за разработчици ElevenAPI и в мобилното приложение на ElevenLabs. Цени или максимална дължина на клиповете компанията не посочва в съобщението.