Загрузив 20–40 минут записи речи диктора, компании могут создать уникальный голос своего бренда и использовать его для голосовых ботов в контакт‑центрах, озвучки подкастов, образовательных материалов и других креативных бизнес‑проектов.
Для синтеза голоса достаточно озвучить текст в интерфейсе сервиса или загрузить в него уже готовую запись. Дикторами могут стать, например, приглашённые актёры или владельцы и амбассадоры бизнеса. Они могут синтезировать голос в разных амплуа: для каждой дополнительной эмоции (например, грустной или агрессивной речи) нужно записать ещё от 20 минут речи. Модель синтеза станет доступна в течение семи дней после загрузки записей в сервис.
Технология Brand Voice Lite соответствует принципам Яндекса при работе с синтезом речи. Бизнес должен получить согласие человека на использование записи его голоса. Доступ к результатам синтеза будет только у заказчика. При этом он соглашается с правилами использования сервиса, которые ограничивают сценарии применения синтеза.
По оценке Fortune Business Insights, глобальный объём рынка разговорного ИИ в 2024 году достиг 12,2 млрд долларов, а в 2025 году он вырастет на 21% — до 14,8 млрд. Объём российского рынка диалогового ИИ в 2024 году должен был достичь 7,45 млрд рублей, прогнозировали в Naumen.
Синтезированные голоса наиболее востребованы у банков, крупных ритейлеров и телеком‑операторов, которые с их помощью автоматизируют первую линию поддержки. Всего с помощью технологий SpeechKit Brand Voice компании синтезировали уже более 50 голосов. После запуска Lite-версии сервиса Yandex Cloud ожидает многократное увеличение таких проектов.
В основе Brand Voice Lite — собственные ML‑модели Yandex SpeechKit, которые дообучаются под каждого клиента на их датасетах. Данные для обучения хранятся в дата‑центрах компании, которые отвечают самым строгим стандартам в сфере информационной и физической безопасности.
Источник: https://yandex.cloud/ru/blog/brand-voice-lite
