Obrigado por enviar sua consulta! Um dos membros da nossa equipe entrará em contato com você em breve.
Obrigado por enviar sua reserva! Um dos membros da nossa equipe entrará em contato com você em breve.
Duração 14 horas
Programa do Curso
Introdução à Síntese de Fala e Clonagem de Voz
- Visão geral de text-to-speech (TTS) e síntese de voz neural
- Clonagem de voz vs. geração de fala: casos de uso e limitações
- Modelos principais: Tacotron, WaveNet, FastSpeech, VITS
Trabalhando com Plataformas Comerciais
- Uso do ElevenLabs e Resemble AI
- Criação, clonagem e edição de vozes
- Acesso via API e fluxos de trabalho de text-to-speech
Construindo com Ferramentas de Código Aberto
- Instalação e configuração do Coqui TTS
- Treinamento de vozes personalizadas e gerenciamento de conjuntos de dados
- Geração de fala com controle fino (tom, velocidade, emoção)
Preparação de Dados e Gerenciamento de Conjuntos de Dados de Voz
- Coleta e limpeza de amostras de voz
- Segmentação, rotulagem e alinhamento de transcrições
- Origem ética e consentimento de voz
Integração de Aplicações
- Incorporação de TTS em sites e aplicativos
- Criação de sistemas IVR e bots interativos
- Geração de diálogos sintéticos para vídeos e jogos
Avaliação de Qualidade e Realismo
- MOS (Mean Opinion Score) e testes de inteligibilidade
- Controle de expressividade e prosódia
- Comparação de latência, fidelidade e realismo
Considerações Éticas, Legais e de Governança
- Riscos de deepfakes e uso responsável
- Consentimento, atribuição e implicações de direitos autorais
- Regulamentações e políticas organizacionais
Resumo e Próximos Passos
Requisitos
- Compreensão dos fundamentos do aprendizado de máquina
- Familiaridade com formatos de arquivos de áudio e ferramentas de edição
- Habilidades básicas em programação Python
Público-Alvo
- Desenvolvedores e engenheiros de IA interessados em síntese de fala
- Criadores de conteúdo e tecnólogos de mídia explorando a geração de voz
- Equipes de P&D que constroem sistemas de áudio personalizados ou dinâmicos
