Resemble AIがHugging Faceで本日、DramaBox（ディレクターレベルの制御可能な音声モデル）をリリース

Beatingによると、Resemble AIは本日Hugging Faceで、会話生成モデルであるDramaBoxを公開しました。 このモデルは、区切られたプロンプト構文によってディレクター級の操作性を備えており、ユーザーは引用符の中に会話文を入力し、ため息、間（ポーズ）、ささやきなどの場面指示を引用符の外で指定します。 このモデルは、そうした指示を読み上げるのではなく、感情の抑揚が乗った音声として描画します。

DramaBoxは、参照用の音声10秒だけでゼロショットのボイスクローンをサポートし、自然言語のプロンプトによってキャラクターの年齢、訛り、感情を設定できるようにしています。 出力は48kHzのステレオで、スタジオ品質の音声です。 生成されるすべての音声には、MP3の圧縮や標準的な音声編集に耐性のある、不可視のPerthウォーターマークが含まれており、ディープフェイクの悪用を防ぐための対策が施されています。