ElevenLabs presenta un eliminador de ruÃdo de fondo mediante IA
xoves, 4 de xullo do 2024
Unha das compañÃas lÃderes a nivel mundial no uso da intelixencia artificial para a xeración de audio, ElevenLabs, está a estrear unha funcionalidade moi interesante, Voice Isolator, que permite procesar ficheiros sonoros eliminando dos mesmos o ruÃdo de fondo e extraendo voces nÃtidas, de xeito que conseguen que gravacións realizadas en ambientes con rebumbio poidan escoitarse como se estivesen gravadas nun estudio, o que resulta de grande utilidade para as gravacións de podcasts ou a realización de entrevistas.
Esta funcionalidade pode lembrarnos ao Enhance Speech de Adobe, que a compañÃa ofrece en probas como unha solución para limpar o ruÃdo de gravacións para a elaboración de podcasts, pero cómpre salientar que o Voice Isolator de ElevenLabs é un servizo de pagamento, limitado a gravacións de até 500 MB de tamaño e 1 hora de duración. Está previsto que nas vindeiras semanas esta función poida empregarse a través de API, polo que poderán crearse ferramentas que tiren proveito desta tecnoloxÃa de eliminación de ruÃdo que, polo que puidemos probar, ten un desempeño bastante bo, como podemos ver no vÃdeo de demostración que publicou ElevenLabs, no que podemos ver como conseguen eliminar o estrondo dun soprador de follas xunto a unha persoa que está a falar, e á que pode entendérselle á perfección tras illar a súa voz.