Kompanija OpenAl: Vještačkoj inteligencije je potrebno samo par sekundi vašeg glasa (Foto)

Posljednjih godina, vrijeme slušanja tokom kojeg je vještačkoj inteligenciji bilo potrebno da klonira nečiji glas je postajalo sve kraće i kraće.

Nekada su za to bili potrebni sati, potom minuti, a sada to može da se obavi u sekundama.

Kompanija OpenAI je nedavno otkrila da je njihovoj tehnologiji kloniranja glasa potrebno svega 15 sekundi audio materijala kako bi reprodukovala nečiji glas.

U objavi na svom sajtu, OpenAI je ponudio i kratak uvid u model pod nazivom Voice Engine, koji je u razvoju od kraja 2022.

We're sharing our learnings from a small-scale preview of Voice Engine, a model which uses text input and a single 15-second audio sample to generate natural-sounding speech that closely resembles the original speaker. https://t.co/yLsfGaVtrZ

— OpenAI (@OpenAI) March 29, 2024

- TEKST SE NASTAVLJA ISPOD OGLASA -

Voice Engine radi tako što mu se nudi minimalno 15 sekundi govornog materijala. Korisnik potom može da unese tekst kako bi se kreiralo ono što OpenAI opisuje kao “emotivni i realistični” govor koji blisko oponaša originalnog govornika.

Iz kompanije OpenAI tvrde da pažljivo i informativno pristupaju opciji da ova tehnologija postane široko dostupna, jer postoji mogućnost zloupotrebe sintetičkih glasova.

Prema njihovim riječima, cilj je da se pokrene dijalog o razumnom razvoju sintetičkih glasova i kako društvo može da se prilagodi ovim novim mogućnostima.

Izvor: B92