OpenAI nudi ograničen pristup platformi za pretvaranje teksta u govor koju je razvio pod nazivom Voice Engine, koja može stvoriti sintetički glas na osnovu 15-sekundnog snimka nečijeg glasa. Glas generiran umjetnom inteligencijom može čitati tekstualne upite na komandu na istom jeziku kao spiker ili na nekoliko drugih jezika. "Ove male implementacije pomažu u oblikovanju našeg pristupa, uvjeravanja i razmišljanja o tome kako se Voice Engine može dobro koristiti u različitim industrijama", navodi OpenAI u izjavi. na blogu.
Među kompanijama koje su dobile pristup su obrazovna tehnološka kompanija Age of Learning, platforma za vizualno pripovijedanje HeyGen, programer zdravstvenog softvera Dimagi, kreator AI komunikacijskih aplikacija Livox i zdravstveni sistem Lifespan.
OpenAI je rekao da je započeo razvoj Voice Enginea krajem 2022. godine i da tehnologija već pokreće unaprijed instalirane glasove za API za pretvaranje teksta u govor i funkciju čitanja naglas ChatGPT-a. U intervjuu za TechCrunch, Jeff Harris, član razvojnog tima Voice Engine u OpenAI, rekao je da je model obučen na "kombinaciji licenciranih i javno dostupnih podataka". OpenAI je za publikaciju rekao da će model biti dostupan samo 10-ak programera.
AI za pretvaranje teksta u zvuk je područje generativne umjetne inteligencije koja nastavlja da se razvija. Dok se većina fokusira na instrumentalne ili prirodne zvukove, manji broj se fokusira na generiranje glasa, dijelom zbog problema koje OpenAI spominje. To uključuje kompanije kao što su Podcastle i ElevenLabs, koje pružaju tehnologiju i alate za kloniranje AI glasa, što je Vergecast istražio prošle godine.
Istovremeno, američka vlada pokušava ograničiti neetičku upotrebu glasovnih tehnologija umjetne inteligencije. Prošlog mjeseca, Federalna komisija za komunikacije zabranila je automatske pozive pomoću AI glasova nakon što su ljudi primili neželjene pozive od kloniranog AI glasa predsjednika Joea Bidena.
Prema OpenAI-ju, njegovi partneri su pristali na politiku upotrebe koja kaže da neće koristiti Voice Generation za lažno predstavljanje ljudi ili organizacija bez njihovog pristanka. Također zahtijeva od partnera da dobiju "izričiti i informirani pristanak" izvornog govornika, da ne stvaraju načine za pojedinačne korisnike da kreiraju svoje glasove i da informišu slušaoce da glasove generiše umjetna inteligencija. OpenAI je takođe dodao vodene žigove audio klipovima kako bi pratio njihovo poreklo i proaktivno kontrolisao upotrebu zvuka.
OpenAI je predložio nekoliko koraka za koje vjeruje da bi mogli ograničiti rizike povezane s takvim alatima, uključujući postepeno ukidanje glasovne provjere autentičnosti za pristup bankovnim računima, politike zaštite korištenja ljudskih glasova u AI, podizanje svijesti o lažiranju umjetne inteligencije i razvoj praćenja sadržaja generiranog umjetnom inteligencijom. sistemima.
Pročitajte također:
- Kako se zove tvoj pas?