Das Forschungsteam des US-Konzerns nennt sein Sprachmodell BASE TTS. Es soll die erste realitätsgetreue "Text to Speech"-Applikation sein

Eine neue Anwendung des Forschungsteams des US-Konzerns Amazon soll jene Sätze und Texte, mit denen sich bisherige Sprachmodelle schwergetan haben, realistisch und emotional glaubwürdig vorlesen. Dies wurde nun in einer neuen Forschungsarbeit dargelegt. Nach Aussage der Forscher bedarf es dafür fast einer Milliarde Parameter, die das Timbre und andere sprachliche Eigenarten einer Sprecherin oder eines Sprechers ausmachen.

Besonders in der Fähigkeit, emotionale Aussagen menschlich zu betonen, soll BASE TTS, so der Name der Anwendung, gegenüber anderen "Text to Speech"-Modellen exzellent abschneiden. Erste Hörbeispiele liefert Amazon auf seiner Website. Eine öffentlich zugängliche Version mit "custom voices" wird vorerst aufgrund von sicherheitstechnischen Bedenken nicht bereitgestellt werden. Die von den Forschern gemeldete Realitätsnähe des Programms soll nicht für Fake News und Ähnliches missbraucht werden.

Hörbeispiel

After getting to his car he said, "Oh great, another Monday, I just can't wait to sit in traffic for an hour and spend the next 8 hours staring at a computer screen."