OpenAI представя генериране на глас: Създаване на синтетични гласове с изкуствен интелект
OpenAI продължава да прави впечатляващи напредъци в областта на изкуствения интелект с различните си проекти, включително ChatGPT и Sora AI. Последното допълнение към репертоара ѝ е Voice Generation, инструмент, способен да създава синтетични гласове само с 15-секунден аудио образец.
През периода от края на 2022 г., OpenAI е провела малко мащабно предварително представяне на Voice Engine. Тази функция вече се използва в приложението ChatGPT в Read Aloud функцията, която чете отговорите на потребителите. Чрез обучение на гласа с кратък образец, потребителите могат да го накарат да чете какъвто текст желаят, със запалителен и реалистичен тон.
Потенциалните приложения на Voice Generation са разнообразни и големи. OpenAI предлага, че той може да се използва за образователни цели, превеждане на подкастове на различни езици, свързване с отдалечени общности и подкрепа на лица, които не могат да говорят. Въпреки това, Voice Engine все още не е широко достъпен за използване от обществото.
OpenAI споделя образци на синтетичните гласове, създадени от Voice Engine, които са впечатлили слушателите със своята качеству. Въпреки това има лека роботска и неестествена характеристика на звука, което показва, че са необходими допълнителни подобрения.
Основната загриженост, свързана с разпространението на Voice Engine, е риска от злоупотреба. OpenAI активно изследва начини за предотвратяване на разпространението на недостоверна информация и неразрешено използване на синтетични гласове. Компанията има за цел да инициира диалог за отговорното използване на тази технология и да изследва как обществото може да се адаптира към тази нова възможност. На базата на резултатите от малкото тестове и тези разговори, OpenAI ще вземе информирано решение дали и как да внедри Voice Generation на голям мащаб.
Злоупотребата на синтетичните гласове може да има сериозни последици, особено по отношение на гласовата идентификация и възможни измами. Възникват реални притеснения относно трудността при установяването на автентичността на гласовете в звуковите взаимодействия. С предстоящи големи избори в САЩ и Великобритания тази година, въпросът за доверие във всички форми на съдържание от изкуствен интелект, включително аудио, текст и видео, става критичен.
Намирането на ефективни решения за тези предизвикателства става все по-важно, докато генеративните инструменти на изкуствения интелект продължават да напредват. OpenAI признава комплексността на тези въпроси и необходимостта от намиране на начини да ги адсресира. В епохата, в която надеждността на гласовете е заложена, адаптацията и иновациите са задължителни.
Често задавани въпроси
The source of the article is from the blog cheap-sound.com