Нов инструмент с изкуствен разум превръща текст в реч, имитирайки реални човешки гласове (снимка: CC0 Public Domain)
Нова система на база изкуствен разум може да превръща текст в реч, имитирайки всеки възможен човешки глас – това е VALL-E, създадена от специалистите на Microsoft.
Миналата година видяхме появата на инструменти за изкуствен интелект (AI), които могат да създават изображения, произведения на изкуството или дори видео – само с една текстова подкана. Напредъкът на ChatGPT на OpenAI предизвика масово вълнение – и страхове – относно бъдещето на писането.
Сега, само няколко дни след началото на 2023 г., друг случай на използване на AI влезе под светлината на прожекторите – инструмент за преобразуване на текст в глас, който може безупречно да имитира гласа на човек. Който и да е човек.
Разработен от Microsoft, VALL-E може да направи трисекунден запис на нечий глас и да възпроизведе този глас, превръщайки написани думи в реч, с реалистична интонация и емоция в зависимост от контекста. Обучен със записи на английска реч, измервани в 60 000 часа, този AI може да изнесе реч в „нулева ситуация“, което означава без предварителни примери или обучение в конкретен контекст или ситуация.
Представяйки VALL-E в документ, публикуван от Университета Корнел, разработчиците обясниха, че записаните данни, чрез които е обучен алгоритъмът, се състоят от повече от 7000 уникални презентатори и говорители. Екипът казва, че тяхната система Text To Speech (TTS) е използвала стотици пъти повече данни от съществуващите TTS системи.
Понастоящем инструментът не е достъпен за обществено ползване. Все пак появата му но повдига въпроси относно безопасността, като се има предвид, че лесно може да се използва за генериране на текст, идващ от нечий глас, тоест за фалшификации.
Microsoft инвестира усилено в AI и е един от поддръжниците на OpenAI, компанията зад ChatGPT и DALL-E. Софтуерният гигант вложи 1 милиард долара в OpenAI през 2019 г., а новините от тази седмица сочат, че планира да налее още 10 милиарда долара в компанията.