हा बदल कशामुळे शक्य झाला?

Question

Accepted Answer

आवाजाला आधी मजकुरात रूपांतरित न करता थेट प्रोसेस करणारी मॉडेल्स. जुनी पद्धत आवाज→मजकूर→मॉडेल→मजकूर→आवाज असा रिले करत असे, ज्यामुळे ती स्लो आणि कृत्रिम वाटत असे. आजचे व्हॉइस मोड्स आवाज मूळरूपात हाताळणाऱ्या मल्टिमोडल मॉडेल्सचा वापर करतात — कमी विलंब, स्वरभावसह.