Δείγμα μόλις 15 δευτερολέπτων χρειάζεται το φωνητικό μοντέλο τεχνητής νοημοσύνης της OpenAI για να λειτουργήσει
Το μοντέλο, με την επωνυμία Voice Generation, αναπτύσσεται από τα τέλη του 2022 και είναι αυτό πάνω στο οποίο βασίζεται η λειτουργία ανάγνωσης που διαθέτει το ChatGPT.
Η OpenAI προσφέρει περιορισμένη πρόσβαση σε μια πλατφόρμα μετατροπής κειμένου σε φωνή την οποία έχει αναπτύξει, με την επωνυμία Voice Engine, η οποία μπορεί να δημιουργήσει συνθετική φωνή, βασισμένη σε ηχογραφημένο απόσπασμα διάρκειας μόλις 15 δευτερολέπτων. Η φωνή αυτή είναι σε θέση να αναγνώσει γραπτές οδηγίες στην ίδια γλώσσα όπως ο πραγματικός ομιλητής ή σε μια σειρά από άλλες γλώσσες. "Αυτές οι μικρής κλίμακας εφαρμογές μας βοηθούν να καταλήξουμε στην προσέγγιση, τις ασφαλιστικές δικλείδες και στον τρόπο που αντιλαμβανόμαστε το πώς θα μπορούσε να χρησιμοποιηθεί η Voice Engine για καλούς σκόπους, σε μια σειρά τομέων", αναφέρει η OpenAI σε ανάρτηση στο ιστολόγιό της.
Μεταξύ των εταιριών που έχουν πρόσβαση στην πλατφόρμα συγκαταλέγεται και εταιρία εκπαιδευτικής τεχνολογίας Age of Learning, η πλατφόρμα μυθοπλασίας HeyGen, η πρωτοπόρος στον τομέα του λογισμικού για εφαρμογές υγείας Dimagi, η Livox που δημιουργεί εφαρμογές επικοινωνίας με τη χρήση τεχνητής νοημοσύνης, καθώς και η Lifespan, η οποία αναπτύσσει συστήματα υγείας.
Στα παρακάτω δείγματα, τα οποία δημοσίευσε η OpenAI, μπορεί κανείς να διαπιστώσει πώς αξιοποιεί η Age of Learning την τεχνολογία αυτή προκειμένου να δημιουργήσει εκφωνήσεις προεπιλεγμένου υλικού αλλά και για την ανάγνωση "προσωποποιημένων απαντήσεων σε πραγματικό χρόνο", γραμμένες από το GPT-4.
Πρώτα, το ηχητικό απόσπασμα στα Αγγλικά, που αποτελεί τη βάση:
age_of_learning_reference.mp3
Κι εδώ, έχουμε τα τρία ηχητικά αποσπάσματα που δημιουργήθηκαν από την τεχνητή νοημοσύνη, βασισμένα στο παραπάνω δείγμα:
age_of_learning_rainforest.mp3 age_of_learning_reading.mp3 age_of_learning_chemistry.mp3Η OpenAI ανέφερε πως ξεκίνησε την ανάπτυξη της Voice Engine το 2022 και ότι η τεχνολογία αυτή έχει υποστηρίξει ήδη φωνές που χρησιμοποιούνται στη μετατροπή κειμένου σε φωνή, καθώς και τη λειτουργία Read Aloud που διαθέτει το ChatGPT. Σε συνέντευξη που παραχώρησε το TechCrunch, ο Τζεφ Χάρις, μέλος της ομάδας ανάπτυξης της Voice Engine, ανέφερε ότι το μοντέλο εκπαιδεύτηκε χρησιμοποιώντας "συνδυασμό δημόσια διαθέσιμων δεδομένων και νόμιμα παραχωρημένου υλικού". Η OpenAI δήλωσε ότι το μοντέλο θα διατεθεί αρχικά σε περίπου 10 εταιρίες.
Η μετατροπή κειμένου σε ήχο μέσω τεχνητής νοημοσύνης αποτελεί έναν τομέα της συγκεκριμένης τεχνολογίας που εξακολουθεί να εξελίσσεται. Παρότι το ενδιαφέρον εστιάζεται κυρίως σε ορχηστρικούς ή φυσικούς ήχους, έχουν καταγραφεί προσπάθειες και στο κομμάτι της δημιουργίας φωνής, αλλά σε πολύ μικρότερο βαθμό, εν μέρει λόγω των ζητημάτων που έθεσε η ίδια η OpenAI, ως προς το πώς θα χρησιμοποιούταν αυτό το υλικό.
Την ίδια στιγμή, η αμερικανική κυβέρνηση επιχειρεί να περιορίσει την κακόβουλη χρήση της τεχνολογίας δημιουργίας φωνής μέσω τεχνητής νοημοσύνης. Μόλις τον περασμένο μήνα, η Ομοσπονδιακή Επιτροπή Επικοινωνιών απαγόρευσε τις αυτόματες κλήσεις με τη χρήση φωνών που δημιουργήθηκαν από μοντέλα τεχνητής νοημοσύνης, μετά από καταγγελίες ότι πολίτες δέχονταν τηλεφωνήματα όπου χρησιμοποιούνταν η κλωνοποιημένη φωνή του προέδρου Μπάιντεν, με τα οποία καλούνταν οι ψηφοφόροι να μην προσέλθουν στις εκλογές.
Σύμφωνα με την OpenAI, οι εταίροι της συμφώνησαν να τηρήσουν το πλαίσιο χρήσης που διαμόρφωσε η εταιρία και ορίζει πως το υλικό δεν θα χρησιμοποιείται για την προώθηση μηνυμάτων από άτομα ή οργανισμούς χωρίς την πρότερη συγκατάθεσή τους. Παράλληλα, οι εταίροι υποχρεούνται να λάβουν τη "ρητή και ενήμερη συναίνεση" του αρχικού ομιλητή, να μη δημιουργήσουν τρόπους ώστε οι χρήστες να μπορούν να σχηματίζουν δικές τους φωνές και να ενημερώνουν τους ακροατές ότι οι φωνές που ακούγονται έχουν δημιουργηθεί από πρόγραμμα τεχνητής νοημοσύνης. Η OpenAI προσέθεσε επίσης την ενσωμάτων υδατογραφημάτων στα ηχητικά αποσπάσματα ώστε να εντοπίζεται η αρχική προέλευσή τους και να παρακολουθείται ενεργά το πού χρησιμοποιείται το υλικό.
Η OpenAI πρότεινε διάφορα βήματα που θεωρεί πως θα μπορούσαν να περιορίσουν τους κινδύνους γύρω από τέτοιου είδους εργαλεία, μεταξύ των οποίων τη σταδιακή αφαίρεση της φωνητικής πρόσβασης σε τραπεζικούς λογαριασμούς, πολιτικές για την προστασία της χρήσης της φωνής των ανθρώπων σε μοντέλα τεχνητής νοημοσύνης, διεξοδικότερη ενημέρωση για την κακόβουλη χρήση της τεχνητής νοημοσύνης και την ανάπτυξη συστημάτων παρακολούθησης του πού χρησιμοποιείται το περιεχόμενο που έχει δημιουργηθεί από μοντέλα τεχνητής νοημοσύνης.
Διαβάστε ολόκληρο το άρθρο
- Δημοφιλέστερες Ειδήσεις Κατηγορίας Τεχνολογία
- GameOver Magazine – Τεύχος #31
- Σύννεφα στην τεχνητή νοημοσύνη - Σε κρίση ...
- Ο ΣΕΠΕ διοργανώνει δύο σημαντικά webinars για τη στήριξη της ελληνικής επιχειρηματικότητας του κλάδου ψηφιακής τεχνολογίας
- H Sony γιορτάζει τα 10 χρόνια Mirrorless και Full- Frame φωτογραφικών μηχανών Alpha στο Ολυμπιακό Μουσείο της Αθήνας, παρουσιάζοντας τη νέα Alpha 9 III
- Η Samsung αναβαθμίζει το Bixby με γενετική AI
- Δημοφιλέστερες Ειδήσεις Insomnia
- Τελευταία Νέα Insomnia
- To James Webb επιβεβαιώνει ότι το σύμπαν εξαπλώνεται με διαφορετικές ταχύτητες
- To World of Warcraft εξακολουθεί να έχει εκατομμύρια συνδρομητές
- Σε στελέχη του Χόλυγουντ παρουσίασε το Sora η OpenAI
- To τέρας του άγχους πρωταγωνιστεί τη νέα ταινία μικρού μήκους της Sony, που διαδραματίζεται στον κόσμο του Spiderman
- Eπένδυση ύψους 100 δισεκατομμυρίων δολαρίων σχεδιάζουν Microsoft και OpenAI
- Κερκόπορτα που εντοπίστηκε σε εφαρμογή του Linux σπάει κρυπτογραφημένες συνδέσεις SSH
- Η φωτογραφία πίσω από το κλασικό σήμα της Columbia Pictures
- H νέα γενιά Ryzen «Strix Point» της AMD συνδυάζει τις τεχνολογίες Zen 5, RDNA 3+ και XDNA 2 και έρχεται το 2024
- Η Samsung ετοιμάζει τον επιταχυντή Mach-1 για να ανταγωνιστεί την NVIDIA στον τομέα του AI Inference
- Τελευταία Νέα Κατηγορίας Τεχνολογία
- Η Samsung αναβαθμίζει το Bixby με γενετική AI
- GameOver Magazine – Τεύχος #31
- Ο ΣΕΠΕ διοργανώνει δύο σημαντικά webinars για τη στήριξη της ελληνικής επιχειρηματικότητας του κλάδου ψηφιακής τεχνολογίας
- Σύννεφα στην τεχνητή νοημοσύνη - Σε κρίση ...
- H Sony γιορτάζει τα 10 χρόνια Mirrorless και Full- Frame φωτογραφικών μηχανών Alpha στο Ολυμπιακό Μουσείο της Αθήνας, παρουσιάζοντας τη νέα Alpha 9 III
- Η Samsung θέλει να μπει στο mobile banking με «super app» τύπου WeChat
- Η νέα τεχνολογία της OpenAI κλωνοποιεί τη φωνή με δείγμα μόλις 15 δευτερολέπτων
- Emo: Γνωρίστε το ανθρωποειδές ρομπότ που αντιδράει με χαμόγελο μέσα σε ελάχιστο χρόνο (video)
- Η Samsung θέλει να φέρει τη γενετική τεχνητή νοημοσύνη στο Bixby