AudioGPT, một dự án mới trên GitHub, đã thu hút sự chú ý của cộng đồng AI nhờ khả năng tạo giọng nói tự nhiên từ văn bản, hỗ trợ hơn 50 ngôn ngữ, trong đó có tiếng Việt. Dự án dựa trên mô hình transformer chuyên dụng cho âm thanh, kết hợp với công nghệ WaveNet và Diffusion để tạo ra giọng nói mượt mà, không có hiện tượng “robotic”.
AudioGPT cung cấp một API đơn giản, cho phép các nhà phát triển tích hợp tính năng chuyển văn bản thành giọng nói (TTS) vào các ứng dụng web, di động và IoT. Đặc biệt, dự án hỗ trợ tùy chỉnh giọng nói bằng cách đào tạo lại mô hình với dữ liệu âm thanh riêng, giúp các công ty tạo ra giọng nói thương hiệu độc đáo.
Trong vòng 7 ngày kể từ khi ra mắt, AudioGPT đã nhận được hơn 3.000 sao và 250 fork trên GitHub. Nhiều dự án giáo dục và podcast đã bắt đầu sử dụng AudioGPT để tự động hoá việc tạo nội dung âm thanh. Nhóm phát triển cam kết cung cấp bản cập nhật hàng tuần, cải thiện độ trễ và mở rộng bộ dữ liệu tiếng Việt.
AudioGPT cũng đi kèm với các công cụ kiểm tra đạo đức, giúp người dùng phát hiện và ngăn chặn việc tạo nội dung giả mạo âm thanh, đáp ứng các tiêu chuẩn về trách nhiệm AI.