OpenAI-მ წარადგინა AI Voice Engine, რომელიც ახდენს ხმის კლონირებას 15-წამიანი ნიმუშის გამოყენებით

[Magdalena]

OpenAI-მ წარმოადგინა ხელოვნური ინტელექტის მოდელ Voice Engine-ის წინასწარი ტესტირების შედეგები, რომელსაც 15-წამიანი ნიმუშის საფუძველზე შეუძლია შეყვანილი ტექსტის რეალისტურად გახმოვანება, ცდილობს ზუსტად გადმოსცეს მოლაპარაკის ხმა და მეტყველების მახასიათებლები. 

 

ფოტოს წყარო: Unsplash, Igor Omilaev 

Voice Engine-ის პირველი განვითარება გამოჩნდა 2022 წლის ბოლოს და გამოიყენებოდა API-ში ტექსტის მეტყველებად გადაქცევისთვის, ასევე ChatGPT Voice-თან და Read Aloud-თან ერთად. OpenAI-მ იცის სინთეზირებული ხმის ტექნოლოგიის შესაძლო ბოროტად გამოყენების შედეგების შესახებ, ამიტომ იმედოვნებს, რომ მიიღებს გამოხმაურებას საზოგადოებისგან შესაძლო საფრთხეებისა და გამოყენების სფეროების შესახებ. რაც შეეხება ამ უკანასკნელს, გასული წლიდან OpenAI-მ შესთავაზა Voice Engine ტესტირება პარტნიორთა მცირე ჯგუფს და მიიღო გამოყენების მაგალითები: 

• კითხვის პრობლემების მქონე ადამიანებისა და ბავშვების დახმარება ბუნებრივი, ემოციური და მრავალფეროვანი ხმებით. მაგალითად, საგანმანათლებლო ტექნოლოგიების კომპანია Age of Learning იყენებს Voice Engine-ს კონტენტის გასახმოვანებლად და GPT-4-თან ერთად რეალურ დროში აძლევს სტუდენტებს პერსონალიზებულ პასუხებს. 
• ისეთი კონტენტის თარგმნა, როგორიცაა ვიდეოები და პოდკასტი, საშუალებას მისცემს ავტორებსა და კომპანიებს გააფართოვონ თავიანთი აუდიტორია მთელ მსოფლიოში ინფორმაციის გადაცემის გზით საკუთარი და თანამშრომლების ხმით. ერთ-ერთი პირველია HeyGen, ხელოვნური ინტელექტის მეშვეობით ვიზუალური ამბის მოთხრობის პლატფორმა კორპორატიული მომხმარებლებისთვის, რომელიც შექმნილია ჰუმანოიდური ავატარების შესაქმნელად ვრცელი მიზნებისთვის - დაწყებული პროდუქტის მარკეტინგიდან - დამთავრებული გაყიდვებით. Voice Engine ინარჩუნებს მოლაპარაკის მშობლიურ აქცენტს, ასე რომ, როდესაც ფრანგი საუბრობს ინგლისურ ტექსტზე, ისმის ფრანგული აქცენტი. 
• მეტყველების პრობლემების მქონე ადამიანების მხარდაჭერა, თერაპიული აპლიკაციები, საგანმანათლებლო დანამატები. Livox არის AI აპლიკაცია ალტერნატიული და გაძლიერებული საკომუნიკაციო მოწყობილობებისთვის, რომელიც ეხმარება კომუნიკაციის პრობლემების მქონე ადამიანებს. Voice Engine-ის გამოყენებით Livox სთავაზობს უნიკალურ, არარობოტულ ხმებს მეტყველებადაქვეითებულ ადამიანებს. მომხმარებელს შეუძლია აირჩიოს მისთვის ყველაზე შესაფერისი ხმა, რომელიც ილაპარაკებს სხვადასხვა ენაზე. 
• ხელს უწყობს ხმის აღდგენას უეცარი და მეტყველების დეგენერაციული  დარღვევის შემთხვევაში. ნორმან პრინცის ნეირომეცნიერების ინსტიტუტი (NPNI) პილოტირებს პროგრამას ონკოლოგიური დაავადებების ან ნევროლოგიური მეტყველების დარღვევების მქონე ადამიანების დასახმარებლად. Voice Engine-ის უნარის წყალობით, მეტყველება წარმოიქმნას 15-წამიანი ნიმუშებით, ექიმმა ფატიმა მირზამ, როჰაიდ ალიმ და კონსტანტინა სვოკოსმა გამოიყენეს აუდიოჩანაწერი ვიდეოდან სკოლის პროექტისთვის და აღადგინეს ახალგაზრდა პაციენტის ხმა, რომელსაც მეტყველების სირთულეები აქვს ტვინის სისხლძარღვების სიმსივნის გამო. 

OpenAI-ის პარტნიორები შეთანხმდნენ ტექნოლოგიის გამოყენების წესებზე, რომლებიც კრძალავს მის გამოყენებას სხვა პიროვნების განსახიერებისთვის, რაც არ შეიძლება ითქვას შესაძლო თავდამსხმელებზე, რომლებიც სულ უფრო ხშირად იყენებენ ნეიროქსელის ტექნოლოგიებს კრიმინალური მიზნებისთვის. 

https://tinyurl.com/mypn8kte