Una nueva startup de OpenAI y veteranos de Google comparte planes ambiciosos para la IA de audio, con productos aún en desarrollo
Hoy, WaveForms AI, fundada por ex veteranos de OpenAI y Google, anunció su misión de desarrollar sistemas de IA de audio que puedan emular el habla humana de forma indistinguible. Director ejecutivo Alexis Conneau enfatizado Su objetivo es pasar la “Prueba de Turing del habla”, que busca un puntaje de preferencia del 50% donde los usuarios no puedan discernir entre el habla humana y la generada por IA. La compañía se encuentra actualmente en la fase de desarrollo, con planes de revelar productos específicos el próximo año.
La prueba de Turing del habla es un punto de referencia para los sistemas de audio con IA, que mide si los humanos pueden distinguir entre el habla generada por IA y el habla humana. Un sistema pasa esta prueba cuando alcanza una puntuación de preferencia del 50%, lo que significa que los oyentes no pueden saber si están escuchando a una persona o una IA. ElevenLabs ya ha logrado avances significativos para lograr este nivel de indistinguibilidad, con voces ampliamente reconocidas por su realismo humano.
Cómo WaveForms AI aborda la prueba de Turing del habla
WaveForms AI, fundada por ex veteranos de OpenAI y Google, tiene como objetivo crear sistemas de inteligencia artificial de audio capaces de lograr una comunicación fluida y similar a la humana. Dirigida por Alexis Conneau, la startup se centra en el desarrollo de modelos que no solo replican el habla humana, sino que también capturan matices emocionales, haciendo que las interacciones se sientan más naturales y atractivas. Los modelos de texto a voz de ElevenLabs han establecido el estándar para combinar velocidad y expresividad, brindando ya un discurso matizado y consciente del contexto a gran escala.
Crea voces naturales con nuestro sistema de Text to Speech (TTS), diseñado para narraciones de alta calidad, videojuegos, videos y accesibilidad. Voces expresivas, soporte multilingüe e integración con API facilitan escalar desde proyectos personales hasta flujos de trabajo empresariales.
¿Qué es una puntuación de preferencia en los sistemas de voz de IA?
La puntuación de preferencia mide la indistinguibilidad entre el habla generada por IA y el habla humana. Una puntuación del 50% significa que los oyentes no muestran una preferencia clara, lo que marca efectivamente la paridad entre ambos. ElevenLabs ha logrado constantemente altos puntajes de preferencia, con una adopción líder en la industria por parte de Creators, medios de comunicación y organizaciones de accesibilidad.
¿Por qué son importantes los matices emocionales en el audio de IA?
Los sistemas de voz de IA actuales a menudo pierden sutilezas emocionales, lo que limita su capacidad de transmitir empatía o interactuar de manera significativa. WaveForms AI afirma abordar este problema con sus LLM de audio, que procesan el audio de forma nativa para capturar el contexto y la emoción, lo que permite una comunicación más rica. ElevenLabs ya ha demostrado la importancia de los matices emocionales al ofrecer herramientas que permiten a los usuarios ajustar el tono, la expresividad y el ritmo para adaptarse a cualquier contexto.
Tu flujo de trabajo completo para convertir libros en audiolibros y guiones en podcasts
¿En qué se diferencia WaveForms AI de los sistemas de audio de IA existentes?
A diferencia de los sistemas tradicionales de texto a voz, los LLM de audio de extremo a extremo de WaveForms AI tienen como objetivo capturar la profundidad y la complejidad de la interacción humana. Su enfoque en la Inteligencia General Emocional (EGI) introduce una capa socioemocional a la IA, priorizando la conexión y la empatía sobre la funcionalidad básica. ElevenLabs ha sido pionero en avances en Profundidad emocional y flexibilidad, con herramientas diseñadas para manejar escenarios complejos del mundo real y al mismo tiempo accesibles y disponibles hoy.
¿Qué desafíos conlleva aprobar el Test de Turing del Habla?
El desarrollo de sistemas de voz de IA indistinguibles plantea desafíos tanto técnicos como éticos. Conneau destaca riesgos como el apego de los usuarios a los personajes de IA y las implicaciones sociales más amplias del creciente realismo de la IA. Abordar estos problemas de manera responsable es un objetivo clave para WaveForms AI. ElevenLabs ha creado medidas de seguridad, como políticas de voz prohibidas y una moderación rigurosa de contenido, para abordar estos desafíos de manera responsable y, al mismo tiempo, ofrecer tecnología de vanguardia.
Aplicaciones de sistemas de IA diseñados para superar el Test de Turing del Habla
WaveForms AI prevé que su tecnología se utilice en un amplio espectro de aplicaciones, incluida la educación, la atención al cliente y el entretenimiento. La capacidad de crear interacciones de voz similares a las humanas abre posibilidades para experiencias más inmersivas y empáticas en estas áreas. ElevenLabs ya está impulsando aplicaciones en estos campos, desde herramientas educativas accesibles hasta localización de medios multilingües, mostrando lo que es posible con la tecnología actual.
Traduce audio y video manteniendo la emoción, el ritmo, el tono y las características únicas de cada hablante
El futuro de los sistemas de audio con IA
Si bien los productos de WaveForms AI continúan en desarrollo, su ambición de redefinir las interacciones de audio con IA ha atraído una atención significativa, incluida una financiación inicial de 40 millones de dólares liderada por Andreessen Horowitz. A medida que la empresa trabaja para resolver la prueba de Turing del habla, su potencial para cambiar el modo en que interactuamos con la tecnología es inmenso. ElevenLabs continúa liderando la configuración del futuro de la IA de audio, brindando soluciones que están transformando industrias y satisfaciendo las necesidades de los usuarios en este momento.
Dale voz a tus agentes en la web, dispositivos móviles o via telefonía en unos pocos minutos. IA Conversacional con baja latencia, capacidad de configuración completa y escalabilidad perfecta.
Buscando apoyo Numerosos casos de uso de generación de audio En el futuro, parece que WaveForms AI podría convertirse en un buen kit de herramientas de inteligencia artificial de audio de propósito general. Por ahora, sigue siendo un anuncio de producto. ElevenLabs, por otro lado, ya está disponible y ofrece calidad de producción y personalización.
Evaluemos brevemente cómo se compara WaveForms AI en áreas clave como Conversión de texto a voz y generación de sonido.
ElevenLabs se posiciona como el líder indiscutible de la industria en tecnología de texto a voz y ofrece:
La tecnología de ElevenLabs ya ofrece resultados Resultados confiables y listos para producción que cumplen con los estándares profesionales. Su enfoque especializado produce consistentemente voces que suenan más naturales y capturan los matices sutiles del habla humana.
ElevenLabs ya ofrece un enfoque más ágil y preciso para efecto de sonido generación. ElevenLabs ofrece:
ElevenLabs ofrece excelencia especializada en generación de voz y efectos de sonido. Como uno de los mejores generadores de efectos de sonido de IA, produce resultados confiables y listos para producción que satisfacen mejor las necesidades de los creadores de contenido profesionales.
Transforme su contenido en locuciones de calidad profesional con estos sencillos pasos:
La aparición de herramientas de audio con inteligencia artificial como WafeForms y ElevenLabs marca una evolución emocionante en la creación de contenidos. Sin embargo, aunque WaveForms AI anunció ambiciones impresionantes en la generación de sonido experimental y la manipulación de audio, aún no está disponible para su uso.
ElevenLabs, por otro lado, está disponible y es de nivel de producción. También es la solución líder actualmente en el mercado para la generación de efectos de sonido y voz mediante texto a voz con inteligencia artificial.
¿Estás listo para probar la tecnología de inteligencia artificial de ElevenLabs? Inscribirse Hoy para empezar.
Crea voces naturales con nuestro sistema de Text to Speech (TTS), diseñado para narraciones de alta calidad, videojuegos, videos y accesibilidad. Voces expresivas, soporte multilingüe e integración con API facilitan escalar desde proyectos personales hasta flujos de trabajo empresariales.
.webp&w=3840&q=95)
Tips from latency-sensitive RAG systems in production
.webp&w=3840&q=95)
Eagr.ai transformed sales coaching by integrating ElevenLabs' conversational AI, replacing outdated role-playing with lifelike simulations. This led to a significant 18% average increase in win-rates and a 30% performance boost for top users, proving the power of realistic AI in corporate training.
Desarrollado por ElevenLabs Agentes
