قابلیت‌های صوتی به پلتفرم جارویس اضافه شد
در نسخه ۱.۱ جارویس، قابلیت‌های تبدیل متن به گفتار، شبیه‌سازی صدا و تبدیل گفتار به متن به پنل کاربران اضافه شده‌اند. با مدل‌های صوتی اِیوویس و الون‌لبز، صداهای آماده و ابزارهای جدید تولید محتوای صوتی آشنا شوید.
جارویس ۱.۱ منتشر شد؛ قابلیت‌های صوتی به پلتفرم اضافه شدند
جارویس در نسخه جدید خود، JARVIS 1.1، قابلیت‌های صوتی را به پنل کاربران اضافه کرده است. با این به‌روزرسانی، کاربران می‌توانند علاوه بر کار با متن و مدل‌های هوش مصنوعی، از ابزارهای تبدیل متن به گفتار، شبیه‌سازی صدا و تبدیل گفتار به متن نیز استفاده کنند.
هدف این به‌روزرسانی، فراهم‌کردن محیطی یکپارچه برای انجام کارهای متنی و صوتی است؛ از ساخت نریشن برای ویدئوها و تولید محتوای صوتی گرفته تا پیاده‌سازی فایل‌های ضبط‌شده و تبدیل گفتار به متن قابل‌ویرایش.
در نسخه جدید جارویس، ابزارهای صوتی در کنار مدل‌های مختلف هوش مصنوعی قرار گرفته‌اند تا کاربران بتوانند متناسب با نیاز خود، روش مناسب‌تری برای تولید یا پردازش محتوا انتخاب کنند.
چه قابلیت‌هایی به جارویس ۱.۱ اضافه شده است؟
در این نسخه، سه قابلیت اصلی صوتی در اختیار کاربران قرار گرفته‌اند:
تبدیل متن به گفتار (Text to Speech): تبدیل متن نوشته‌شده به خروجی صوتی با استفاده از مدل‌های صوتی و صداهای آماده.
شبیه‌سازی صدا (Voice Cloning): تولید گفتار با صدایی مشابه یک نمونه صوتی ارائه‌شده، با استفاده از مدل‌های پشتیبانی‌شده.
تبدیل گفتار به متن (Speech to Text): تبدیل فایل صوتی یا صدای ضبط‌شده به متن قابل‌استفاده و ویرایش.
هرکدام از این قابلیت‌ها کاربرد متفاوتی دارند و می‌توانند بخش مشخصی از فرایند تولید محتوا یا کار با اطلاعات صوتی را ساده‌تر کنند.
۱. تبدیل متن به گفتار؛ از نوشته تا صدای تولیدشده
یکی از قابلیت‌های جدید جارویس، تبدیل متن به گفتار است. با استفاده از این ابزار می‌توانید متن دلخواه خود را وارد کنید و با کمک مدل‌های صوتی موجود در پنل، خروجی گفتاری بگیرید.
این قابلیت برای افرادی کاربرد دارد که با تولید محتوای ویدیویی، آموزشی یا صوتی سروکار دارند و می‌خواهند متن‌های خود را به گفتار تبدیل کنند.
برای مثال، اگر برای یک ویدئوی آموزشی سناریو نوشته‌اید، می‌توانید از تبدیل متن به گفتار برای ساخت نریشن استفاده کنید. همچنین می‌توانید متن مقاله‌ها، توضیحات آموزشی یا محتوای موردنیاز پروژه‌های خود را به خروجی صوتی تبدیل کنید.
مدل‌های تبدیل متن به گفتار در جارویس
در پنل جارویس، مدل‌های صوتی دو مجموعه زیر معرفی شده‌اند:
مدل‌های اِیوویس (AveVoice):
AveVoice
AveVoice 1.5 Max
AveVoice 1.5 Mini
AveVoice Fast
مدل‌های الون‌لبز (ElevenLabs):
Eleven Flash v2
Eleven Flash v2.5
Eleven Multilingual v2
Eleven Turbo v2
Eleven Turbo v2.5
Eleven v3
Eleven v4
Eleven v4 Turbo
وجود چند مدل به شما امکان می‌دهد از میان گزینه‌های موجود، مدل مناسب پروژه خود را انتخاب کنید. البته قابلیت‌ها، سرعت تولید و پشتیبانی از زبان‌ها ممکن است میان مدل‌ها متفاوت باشد؛ بنابراین بهتر است پیش از استفاده در یک پروژه مهم، خروجی مدل موردنظر را آزمایش کنید.
۲. شبیه‌سازی صدا؛ تولید گفتار با صدایی مشابه نمونه دلخواه
قابلیت دوم، شبیه‌سازی صدا (Voice Cloning) است. در این روش، کاربر یک نمونه صوتی ارائه می‌دهد و مدل‌های پشتیبانی‌شده از آن برای تولید گفتاری با صدایی مشابه استفاده می‌کنند.
تفاوت این قابلیت با تبدیل معمولی متن به گفتار در این است که کاربر می‌تواند به‌جای محدودشدن به صداهای آماده، از یک نمونه صوتی به‌عنوان مرجع استفاده کند.
این قابلیت می‌تواند در پروژه‌هایی مانند تولید نریشن، ساخت مجموعه‌ای از فایل‌های صوتی با صدایی هماهنگ و آماده‌سازی محتوای صوتی برای ویدئوها کاربرد داشته باشد.
برای مثال، فرض کنید برای یک مجموعه آموزشی چندین ویدئو تولید می‌کنید و می‌خواهید صدای نریشن در تمام قسمت‌ها تا حد امکان یکپارچه باشد. شبیه‌سازی صدا می‌تواند به ایجاد چنین تجربه‌ای کمک کند.
البته میزان شباهت خروجی به نمونه اصلی به کیفیت نمونه صوتی، مدل انتخاب‌شده و شرایط تولید بستگی دارد و نباید انتظار داشت نتیجه در تمام موارد کاملاً یکسان با صدای مرجع باشد.
نکته مهم: برای شبیه‌سازی صدای افراد، باید مجوز و رضایت لازم را داشته باشید. استفاده از این قابلیت نباید برای جعل هویت، فریب دیگران یا تولید محتوای صوتی گمراه‌کننده به کار برود.
۳. تبدیل گفتار به متن؛ محتوای صوتی را به متن تبدیل کنید
قابلیت سوم جارویس، تبدیل گفتار به متن (Speech to Text) است. این ابزار به شما کمک می‌کند فایل صوتی یا صدای ضبط‌شده را به متن تبدیل کنید تا بتوانید محتوای آن را راحت‌تر بخوانید، ویرایش کنید یا در پروژه‌های دیگر به کار ببرید.
این قابلیت به‌ویژه زمانی کاربرد دارد که با فایل‌های صوتی طولانی سروکار دارید یا می‌خواهید محتوای گفتاری را به یک متن قابل‌استفاده تبدیل کنید.
از کاربردهای آن می‌توان به موارد زیر اشاره کرد:
پیاده‌سازی فایل‌های صوتی: تبدیل محتوای ضبط‌شده به متن.
آماده‌سازی محتوای نوشتاری: تبدیل گفتار به متنی که بتوان آن را ویرایش و بازنویسی کرد.
استخراج اطلاعات از صدا: فراهم‌کردن امکان بررسی محتوای گفتاری در قالب متن.
تولید محتوای آموزشی: تبدیل صحبت‌های ضبط‌شده به متن اولیه برای تهیه جزوه یا محتوای آموزشی.
برای مثال، اگر یک فایل صوتی از توضیحات خود ضبط کرده‌اید، می‌توانید از این قابلیت برای تبدیل آن به متن استفاده کنید و سپس متن حاصل را ویرایش کنید.
دقت خروجی به کیفیت فایل صوتی، وضوح گفتار و پشتیبانی ابزار از زبان موردنظر بستگی دارد؛ بنابراین برای استفاده‌های حساس، بازبینی متن نهایی ضروری است.
حریم خصوصی در قابلیت‌های صوتی جارویس
در کنار قابلیت‌های جدید، نحوه نمایش و نگهداری اطلاعات صوتی نیز اهمیت دارد.
طبق توضیحات ارائه‌شده برای این قابلیت‌ها، صدا و متن حاصل از پردازش فقط در همان صفحه نمایش داده می‌شوند و جارویس آن‌ها را ذخیره نمی‌کند.
این توضیح به همین فرایند صوتی مربوط است و نباید آن را به معنای سیاست کلی ذخیره‌سازی تمام اطلاعات حساب کاربری یا سایر سرویس‌های جارویس در نظر گرفت.
همچنین، هنگام استفاده از ابزارهای صوتی، بهتر است از بارگذاری فایل‌هایی که حاوی اطلاعات محرمانه یا اطلاعات شخصی دیگران هستند، بدون مجوز لازم خودداری کنید.
جارویس ۱.۱ چه کمکی به تولیدکنندگان محتوا می‌کند؟
اضافه‌شدن ابزارهای صوتی، دامنه کارهایی را که می‌توان در پنل جارویس انجام داد، گسترش می‌دهد. کاربران می‌توانند بسته به نیاز خود، از متن به صدا برسند، از نمونه صوتی برای تولید گفتاری مشابه استفاده کنند یا محتوای صوتی را به متن تبدیل کنند.
برای تولیدکنندگان محتوا، این قابلیت‌ها می‌توانند در بخش‌هایی از فرایند آماده‌سازی نریشن و محتوای آموزشی مفید باشند. برای کاربران حرفه‌ای نیز تبدیل گفتار به متن می‌تواند مرحله آماده‌سازی و ویرایش اطلاعات صوتی را ساده‌تر کند.
نکته مهم این است که انتخاب ابزار مناسب به نوع پروژه بستگی دارد. برای تولید نریشن، تبدیل متن به گفتار کاربرد دارد؛ برای تولید گفتار با صدایی مشابه نمونه مرجع، شبیه‌سازی صدا مطرح می‌شود؛ و برای استخراج متن از فایل صوتی، باید از تبدیل گفتار به متن استفاده کرد.
قابلیت‌های صوتی جدید جارویس را تجربه کنید
با انتشار نسخه JARVIS 1.1، ابزارهای تولید و پردازش صدا نیز به مجموعه قابلیت‌های این پلتفرم اضافه شده‌اند. اکنون می‌توانید در کنار ابزارهای متنی، از امکانات صوتی برای تولید نریشن، کار با نمونه‌های صوتی و تبدیل گفتار به متن استفاده کنید.
اگر می‌خواهید امکانات جارویس را بررسی کنید و پلن مناسب خود را انتخاب کنید، از صفحه قیمت‌گذاری دیدن کنید.
