Într-o postare pe blogul lor, OpenAI împărtășeșc informații și rezultate preliminare de la o previzualizare la scară mică a Voice Engine, prezentând capacitatea sa remarcabilă de a reproduce voci cu realism emoțional.
În peisajul schimbător al inteligenței artificiale, OpenAI se angajează să dezvolte tehnologii sigure și benefice. Printre cele mai recente inovații ale acestora se numără Voice Engine, un model conceput pentru a genera o voce (sau mai multe) cu sunet natural pornind de la introducerea unui text și de la o scurtă mostră audio.
Voice Engine marchează un progres semnificativ în sinteza vocală bazată pe inteligență artificială. În ciuda dimensiunii sale compacte și a faptului că se bazează pe un fragment audio de doar 15 secunde, acest model demonstrează capacitatea de a recrea nuanțele și cadențele vocii unui vorbitor. Această tehnologie revoluționară are potențialul de a revoluționa diverse industrii, de la educație la divertisment, prin oferirea de soluții vocale personalizate și multilingve.
Dezvoltat inițial la sfârșitul anului 2022, Voice Engine a fost deja integrat în API-ul text-to-speech al OpenAI și în aplicații precum ChatGPT Voice și Read Aloud. Cu toate acestea, OpenAI procedează cu prudență în ceea ce privește lansarea sa mai largă, conștient de potențiala utilizare abuzivă a vocilor sintetice. Organizația își propune să încurajeze un dialog cu privire la implementarea responsabilă a acestei tehnologii și să exploreze adaptările societale necesare pentru a-i valorifica eficient beneficiile.
Primele aplicații ale Voice Engine oferă o imagine a diverselor sale utilități:
1. Îmbunătățirea educației: În parteneriat cu organizații precum Age of Learning, Voice Engine ajută la crearea de conținut vocal cu sunet natural pentru materiale educaționale. În plus, facilitează interacțiunile în timp real cu elevii, favorizând experiențele de învățare personalizate.
2. Comunicare globală: Platforme precum HeyGen utilizează Voice Engine pentru traducerea conținutului audiovizual, permițând creatorilor să ajungă la un public mai larg, păstrând în același timp autenticitatea accentului vorbitorului original.
3. Servicii de sănătate comunitară: În mediile îndepărtate, instrumentele alimentate de Voice Engine, cum ar fi cele dezvoltate de Dimagi, ajută la furnizarea de servicii esențiale și de sprijin educațional în diferite limbi, inclusiv în dialecte indigene.
4. Tehnologie asistivă: Aplicații precum Livox utilizează Voice Engine pentru a oferi persoanelor non-verbale voci sintetice autentice și personalizabile, îmbunătățind comunicarea și incluziunea.
Recunoscând potențialele riscuri asociate cu vocile sintetice, în special în contexte sensibile precum alegerile, OpenAI se implică activ cu părțile interesate din cadrul guvernului, mass-media și societatea civilă. Politicile stricte de utilizare asigură faptul că Voice Engine nu este utilizat în mod abuziv pentru uzurparea identității, iar măsuri precum filigranarea și monitorizarea proactivă sunt în vigoare pentru a atenua abuzurile.
Privind în viitor, OpenAI pledează pentru implementarea responsabilă a inteligenței artificiale și subliniază importanța rezilienței societății în fața provocărilor emergente. Aceștia propun eliminarea treptată a autentificării bazate pe voce pentru tranzacțiile sensibile, punerea în aplicare a unor politici de protejare a vocii persoanelor și creșterea gradului de conștientizare a publicului cu privire la capacitățile și limitările AI.
Voice Engine reprezintă o etapă importantă în dezvoltarea AI, demonstrând puterea și potențialul tehnologiilor vocale sintetice.
Vezi și: PODCAST@CriticArad | Episodul 39 | Robert Boran, despre AI în artă și nu numai
