این هوش مصنوعی جدید از روی فایل صوتی شبیه سازی می کند!

به گزارش خبرگزاری جیرو و بر اساس گزارش مجله جیرو، OpenAI پیش نمایش مدل هوش مصنوعی تبدیل متن به صوت موسوم به موتور صدا (Voice Engine) را رونمایی کرده است. این مدل با گرفتن نمونه ی 15 ثانیه ای از صدای یک شخص، می تواند هر متنی را با همان صدا بخواند.

هنوز تاریخ عمومی شدن ویس انجین مشخص نشده و انتظار می رود که با توجه به نگرانی ها از گسترش دیپ فیک، OpenAI روش استفاده ی مسیولانه از این ابزار را برای جلوگیری از هرگونه سوءاستفاده ی احتمالی اعلام کند. جف هریس، یکی از اعضای تیم محصول OpenAI، در مصاحبه ای گفته است: «ما می خواهیم اطمینان حاصل کنیم که همه در مورد نحوه ی به کارگیری ویس انجین احساس خوبی داشته باشند. ما نسبت به خطرات این فناوری آگاهیم و برای آن راه حل هایی داریم.»

هریس می گوید: «ما نمونه ی کوچکی از صوت و متن را می گیریم و صدای شبیه سازی شده را تولید می کنیم که با صدای اصلی کاملاً همخوانی دارد. صدای اصلی پس از اتمام درخواست حذف می شود. چنانچه متن داده شده دارای قسمت های سؤالی، تعجبی یا مانند آن باشد، تن صدای تولیدشده نیز متناسب با آن تغییر خواهد کرد.»

توسعه ی مدل هوش مصنوعی ویس انجین از اواخر سال 2022 آغاز شد و از آن برای تولید صداهای پیش فرض موجود در API تبدیل متن به گفتار و همچنین ابزار مکالمه ی صوتی ChatGPT استفاده شده است. OpenAI در همان زمان، رویکرد محتاطانه ای نسبت به انتشار گسترده تر این فناوری به دلیل احتمال سوءاستفاده از صدای مصنوعی داشت.

API تبدیل متن به گفتار OpenAI از اوایل سپتامبر 2023 (شهریور و جیرو 1402) منتشر شد و اسپاتیفای از آن برای دوبله ی پادکست های مشهوری مانند لکس فریدمن به زبان های مختلف استفاده کرده است. ابزار هوش مصنوعی جدید OpenAI می تواند تهدیدی برای آینده ی شغلی گویندگان و صدا پیشگان باشد. احتمالاً به زودی از این افراد خواسته می شود که حق استفاده از صدای خود را برای تولید نسخه های ساختگی اعطا کنند و به تدریج به فکر جایگزین شدن با هوش مصنوعی باشند.

227323