«موتور صوتی» اوپن ای آی رونمایی شد/ شبیه سازی صدا با نمونه صوتی 15 ثانیه ای

اوپن ای آی از فناوری جدید و قدرتمند شبیه سازی صدای خود به نام «موتور صوتی» (Voice Engine) رونمایی کرد.

به گزارش خبرگزاری علم و فناوری سوشال مگ به نقل از اینترستینگ اینجینرینگ، همانطور که هوش مصنوعی (AI) به سرعت در حال پیشرفت است، اوپن ای آی سازنده چت جی پی تی در خط مقدم این پیشرفت قرار دارد.

این آزمایشگاه تحقیقاتی از فناوری جدید و قدرتمند شبیه سازی صدا به نام «موتور صوتی» (Voice Engine) رونمایی کرده است که فقط با یک نمونه صوتی 15 ثانیه ای، می تواند کپی مصنوعی از صدای یک فرد را که به عنوان «صدای طبیعی» توصیف می شود تولید کند.

در حالی که این شرکت مزایای بالقوه ای را برای آن پیش بینی می کند، این فناوری همچنین خطرات قابل توجهی را به همراه دارد، به ویژه هنگامی که دستکاری عمیق پیچیده تر می شود.

 موتور صوتی چیست؟

 موتور صوتی گسترش و توسعه فناوری تبدیل متن به گفتار توسط اوپن ای آی است. با استفاده از این ابزار، هر کسی می تواند با آپلود نمونه صوتی 15 ثانیه ای از صدای یک فرد، صدای مصنوعی آن را تولید کند. اوپن ای آی با دقت در دسترس بودن این ابزار را در مرحله پیش نمایش آن محدود می کند تا پتانسیل این فناوری را برای کاربرد های مثبت و منفی ارزیابی کند. این شرکت بر اهمیت درک خطرات و ایجاد تدابیر امنیتی قبل از انتشار عمومی تر تاکید می کند.

با کمال تعجب، موتور صوتی اوپن ای آی به ذخیره یا تنظیم دقیق نمونه های صوتی ارسال شده توسط کاربر متکی نیست. این دستگاه از یک مدل هوش مصنوعی پیشرفته استفاده می کند که هم قطعه صوتی ارایه شده و هم متن مورد مطالعه را تجزیه و تحلیل می کند و صدایی منطبق را بدون ایجاد ضبط دایمی از صدای فرد ایجاد می کند.

 در حالی که شبیه سازی صوتی جدید نیست، اوپن ای آی ادعا می کند که رویکرد آن کیفیت برتری را ارایه می دهد. علاوه بر این، قیمت گذاری تهاجمی که در مواد اولیه بازاریابی معرفی شده است، بر پتانسیل موتور صوتی برای ایجاد اختلال در صنایع وابسته به صدا تاکید می کند.

نگاهی به مزایای موتور صوتی

 اوپن ای آی پیش بینی می کند که موتور صوتی به مشکلات خواندن، ترجمه زبان ها و حتی کمک به افرادی که ارتباط گفتاری خود را از دست داده اند کمک کند. آنها به خلبانی از دانشگاه براون اشاره می کنند که در آن یک بیمار دچار اختلال گفتاری از شبیه سازی موتور صوتی ایجاد شده از ضبط پروژه قدیمی استفاده می کند.

خطرات جدی شبیه سازی صدا

 همانطور که تولید صدای هوش مصنوعی پیشرفته تر و قابل دسترس تر می شود، ترسیم اینکه بازیگران بد چگونه می توانند از این فناوری برای دیپ فیک های مخرب سوء استفاده کنند، سخت نیست. موتور صوتی به محیطی می رسد که در آن تولید اطلاعات نادرست با کمک دستکاری واقعی صدا و تصویر یکی از نگرانی های اصلی است. اوپن ای آی خطرات جدیرا تایید می کند، که در طول انتخابات حتی بیشتر آشکار می شود.

 همچنین، موتور صوتی می تواند کار صوتی را کالایی کند و استفاده از صدا های مصنوعی را به جای استخدام استعداد های انسانی برای مشاغل ارزان تر و آسان تر کند. در حالی که برخی از شرکت های هوش مصنوعی بازار ها یا مدل های جبرانی را برای صداپیشگانی که صدایشان شبیه سازی شده است، ارایه می دهند، رویکرد اوپن ای آی در درجه اول به رضایت کاربر متکی است. باید دید صنعت چگونه با این فناوری سازگار خواهد شد و آیا مقرراتی برای تضمین جبران منصفانه و استفاده اخلاقی از استعداد های صداپیشگی وضع خواهد شد یا خیر.

قیمت مقرون به صرفه و تاخیر در عرضه عمومی 

 با تشخیص خطرات و رعایت احتیاط، اوپن ای آی در حال انجام یک پیش نمایش محدود است و در عین حال بازخورد بخش های مختلف را برای کاهش پتانسیل آسیب در خود گنجانده است. آزمایش کنندگان پیش نمایش باید با خط مشی هایی موافقت کنند که جعل هویت بدون رضایت را ممنوع می کند و نیاز به افشای واضح گفتار تولید شده توسط هوش مصنوعی دارد. علاوه بر این، اوپن ای آی در حال اجرای برچسب گذاری برای ردیابی منشاء صدا است و نحوه استفاده از سیستم را نظارت خواهد کرد. هدف فهرست «صدای ممنوع» جلوگیری از تولید صدای چهره های برجسته است.

 در حالی که تاریخ انتشار رسمی ناشناخته است، اطلاعات فاش شده نشان می دهد که موتور صوتی می تواند بسیار مقرون به صرفه باشد. این امر بسیاری از رقبا را از بین می برد و می تواند کتاب های صوتی تولید شده توسط هوش مصنوعی را وسوسه انگیز کند.

 اعلامیه های اوپن ای آی فراتر از موتور صوتی است. این هفته، آنها همچنین از همکاری با مایکروسافت برای ساخت ابرکامپیوتر هوش مصنوعی «استارگیت» (Stargate) که یک پروژه 100 میلیارد دلاری است، پرده برداشتند.