“OpenAI” pirms dažām dienām iepazīstināja ar jaunu rīku, kas kārtējo reizi pierāda, cik liels potenciāls ir mākslīgajam intelektam (MI). Uzņēmums nāca klajā ar balss klonēšanas rīku “Voice Engine”, kas var atdarināt jebkura runātāja balsi, analizējot vien 15 sekunžu garu audio paraugu. “OpenAI” norāda, ka šī tehnoloģija spēj uzģenerēt “dabiski skanošu runu ar emocionālām un reālistiskām balsīm”.
Šī tehnoloģija ir balstīta uz uzņēmuma jau esošu teksta pārvēršanas runā API, un tā tiek izstrādāta kopš 2022. gada. “OpenAI” savā blogā dalījies ar vairākiem piemēriem, kāda izklausās “Voice Engine” ģenerēta balss, un jāsaka, ka tā ir ļoti reālistiska.
Uzņēmums norāda, ka šāds risinājums varētu būt noderīgs, lai mācītos lasīt, valodu tulkošanai, kā arī tiem, kuri cieš no runas traucējumiem. “OpenAI” ar šo tehnoloģiju piedalījās Brauna universitātes izmēģinājuma programmā, kuras ietvaros palīdzēja pacientam ar runas traucējumiem, izmantojot “Voice Engine” ģenerēto balsi, kas radīta uz skolas projektam domātā ierakstītā audio pamata.
Neskatoties uz potenciālajiem ieguvumiem, jau tagad ir skaidrs, ka “Voice Engine” rīku plaši izmantotu arī ļaunprātīgos nolūkos, piemēram, lai radītu dziļviltojumus. Tas ir īpaši aktuāli šobrīd, kad notiek gatavošanās ASV prezidenta vēlēšanām. Līdz ar to “OpenAI” jāatrisina iespējamās privātuma problēmas pirms šo tehnoloģiju piedāvāt plašākam lietotāju lokam. Uzņēmums jau nedaudz tam ir pievērsies, sakot, ka ikvienam, kurš izmanto šo rīku, būs jāatklāj auditorijai, ka balsis ģenerējis MI.
Tas ir labi. Pa telefonu visus varēs sūtīt prom ilgi un tālu. It sevišķi svarīgo lietu izmeklētāju, parādu piedzinēju, sievasmāti un tā tālāk.
Klātienes sajūta atgriezīsies.
“šāds risinājums varētu būt noderīgs” lai veiktu krāpnieciskos zvanus tuvinieku vārdā. Nu vismaz mans skatijums ir ka krāpnieki šo visātrāk un labāk savām vajadzībām pielāgos.