تسلط به فناوری‌های صوتی هوش مصنوعی

آنچه یاد خواهید گرفت:

• استفاده از سیستم‌های تبدیل متن به گفتار 
• توانایی انجام شبیه‌سازی صدا
• ساخت سیستم صوتی مبتنی بر هوش مصنوعی
• تنظیم دقیق و بهبود سیستم تبدیل متن به گفتار

پیش‌نیازهای دوره

• مبانی پایتون 

توضیحات دوره

دوره: تسلط به فناوری‌های صوتی هوش مصنوعی

بخش 1: مقدمه‌ای بر دوره: فناوری صدای هوش مصنوعی

• مروری بر دوره، چگونگی رویکرد به یادگیری، و معرفی ابزارهایی مانند Google Colab و Visual Studio Code برای توسعه TTS

بخش 2: تبدیل متن به گفتار به شیوه قدیمی

• بررسی متدهای سنتی TTS با استفاده از کتابخانه‌هایی مانند pyttsx3 و gTTS، هم به‌صورت آفلاین و هم از طریق Google Colab.

بخش 3: ارائه‌دهندگان بزرگ تبدیل متن به گفتار

• معرفی ارائه‌دهندگان اصلی TTS مانند 11lab، Speechify و OpenAI، و برجسته‌سازی خدمات و قابلیت‌های آن‌ها

بخش 4: TTS متن‌باز: VITS

• بررسی عمیق فناوری VITS (تبدیل متن به گفتار با استنتاج متغیر)، شامل چگونگی اجرای آن و اینکه چرا به عنوان روشی قدرتمند برای سنتز گفتار با کیفیت بالا در نظر گرفته می‌شود.

بخش 5: شبیه‌سازی صدا با Piper TTS

• بررسی در تکنیک‌های شبیه‌سازی صدا با استفاده از Piper TTS، شامل راه‌اندازی، آموزش و شبیه‌سازی صدا در زبان‌های متعدد (مانند انگلیسی و ویتنامی)

بخش 6: شبیه‌سازی صدا با OpenVoices

• معرفی OpenVoices، با تمرکز بر شبیه‌سازی صدا برای زبان انگلیسی و پشتیبانی چندزبانه برای سنتز صدای بین‌زبانی

بخش 7: شبیه‌سازی صدا با Tortoise TTS (XTTS)

• یادگیری درباره Tortoise TTS، یک سیستم پیشرفته برای شبیه‌سازی صدا، و چگونگی تنظیم دقیق آن برای زبان‌های مختلف، از جمله انگلیسی، ویتنامی و زبان‌های دیگر.

این دوره برای چه کسانی مناسب است؟

• دانشجویان رشته‌های IT، هوش مصنوعی و مهندسی نرم‌افزار
• توسعه‌دهندگانی که می‌خواهند سیستم صوتی هوش مصنوعی خود را بسازند.
• هر کسی که می‌خواهد درباره فناوری‌های صوتی هوش مصنوعی بیاموزد.