Tek komutta tezahürat, top, yuhalama: ElevenLabs ses efekti yapay zekâsı SFX v3'ü tanıttı
Yeni model tek bir metin açıklamasından aynı anda birden fazla ses üretiyor; şirkete göre müziği ve vokali daha inandırıcı, gong gibi sesleri daha temiz veriyor.
Fotoğraf: Rafał Masłow / Wikimedia Commons, CC BY-SA 4.0 (kırpılmış ve yeniden boyutlandırılmış)
Video: YouTube · ElevenLabs · youtube.com
Yapay zekâ tabanlı ses uzmanı ElevenLabs, kısa metin girdilerinden ses efektleri üreten modelinin üçüncü sürümü SFX v3'ü perşembe günü tanıttı. Şirketin açıklamasına göre model, tek bir girdideki birden fazla talimatı daha güvenilir biçimde izliyor; bu sayede tarif edilen seslerin daha fazlası hazır klipte gerçekten duyuluyor. ElevenLabs'in resmi videosunda örnekler yer alıyor.
ElevenLabs örnek olarak bir futbol sahnesini gösteriyor: seyircinin tezahüratı, yere çarpan bir top ve birkaç saniye sonra yuhalamalar; hepsi tek bir komuttan. Modelin, bir melodi ya da şarkı sesinin ortam sesleriyle birleştirilmesi istendiğinde de daha iyi hale geldiği belirtildi. Ayrıca sesin daha temiz ve doğal duyulduğu, gong, çan ve ıslık seslerinde daha seyrek parazit oluştuğu ifade edildi. Bu bilgiler şirketin SFX v2 ile yaptığı karşılaştırma testlerine dayanıyor; bağımsız bir doğrulama bulunmuyor.
SFX v3, yaratıcı platform ElevenCreative'de (örneğin Studio ve müzik editöründe), geliştirici arayüzü ElevenAPI üzerinden ve ElevenLabs'in mobil uygulamasında kullanılabiliyor. Şirket, duyuruda fiyatlara veya klipların azami uzunluğuna ilişkin bilgi vermiyor.