Xiaomi, yapay zeka ajanları için geliştirdiği MiMo-V2.5-TTS ve ASR ses teknolojilerini tanıttı. Doğal ses sentezleme ve üstün ses tanıma özellikleri hakkında detaylar burada.
Xiaomi, yapay zeka destekli ajanlar döneminde sesli iletişimi kökten değiştirmeyi hedefleyen yeni MiMo-V2.5-TTS ve ASR sistemlerini resmen duyurdu. Mart ayında tanıtılan ilk modelin başarısının ardından şirket, hem konuşma sentezleme hem de ses tanıma alanında devrim niteliğinde güncellemeler gerçekleştirdi.
Kullanıcıların makinelerle olan etkileşimini çok daha doğal hale getirmeyi amaçlayan bu “tam bağlantılı” ses teknolojisi, hem profesyonel hem de günlük kullanım senaryolarında üstün performans vadediyor. Xiaomi, bu yeni nesil çözümleriyle sesli komutların ve yapay zeka tabanlı ses üretiminin sınırlarını genişletmeyi hedefliyor.
Xiaomi’nin yeni ses sentezleme serisi, üç farklı modelle kullanıcılara geniş bir yelpaze sunuyor. MiMo-V2.5-TTS temel modeli, konuşma hızı ve tonlama gibi detaylı ayarlamalar sunarken, VoiceDesign özelliği sadece kısa bir girdiyle yeni ses tınıları oluşturulmasına olanak tanıyor.
VoiceClone ise sınırlı sayıda örnekle belirli bir sesin kusursuz şekilde kopyalanmasını sağlıyor.
Sistem, kullanıcıların seslendirme sanatçısı gibi doğal dil komutlarıyla sesleri yönlendirmesine imkan tanıyor.
Giriş tarafında ise açık kaynaklı MiMo-V2.5-ASR modeli, çevresel gürültü ve farklı lehçeler gibi zorlu senaryoları başarıyla yönetiyor. Çoklu konuşmacıların olduğu toplantılarda dahi yüksek doğrulukla döküm yapabilen sistem, noktalama işaretlerini içerik ve fonetiğe göre otomatik yerleştiriyor. Bu, metinlerin düzenleme gerektirmeden doğrudan kullanılabilir olmasını sağlıyor.
Teknoloji, arka planda müzik olsa bile şarkı sözlerini ayırt edebilecek yeteneklere sahip.
Xiaomi, bu gelişmiş ses teknolojileriyle yapay zeka ajanlarının gelecekteki iletişim altyapısını kurmayı hedefliyor. Geliştiriciler, tüm bu araçlara Xiaomi’nin MiMo platformu ve MiMo Studio üzerinden ulaşabiliyor.
