همیار وب آموزش های ویژه درباره بازاریابی اینترنتی و کسب و کار اینترنتی و راه اندازی کسب و کارهای اینترنتی در وب سایت همیار وب 
OpenAI وارد دنیای مدل های هوش مصنوعی برای تقلید صدا شده است. این شرکت موتور صوتی هوش مصنوعی را معرفی کرد که می تواند با کلیپ های صوتی 15 ثانیه ای صداهای مصنوعی ایجاد کند. این صدای تولید شده با هوش مصنوعی می تواند دستورات متنی را به زبان های مختلف بخواند. البته این ابزار بسیار محدود است.
در حال حاضر، تعداد کمی از شرکت ها، از جمله Age of Learning و HeyGen، به ابزار جدید OpenAI دسترسی دارند. زبان های مختلفی مانند انگلیسی، آلمانی، فرانسوی و ژاپنی را می توان در نمونه های صوتی منتشر شده توسط OpenAI مشاهده کرد. در واقع این ابزار نه تنها می تواند متون مختلف را به زبان اصلی فایل صوتی بخواند، بلکه امکان خواندن متن به زبان های دیگر نیز وجود دارد.
موتور صوتی تقلید صدای هوش مصنوعی
طبق گفته OpenAI، این شرکت توسعه موتور صوتی را از اواخر سال 2022 آغاز کرده است و این فناوری در حال حاضر در API تبدیل متن به گفتار و همچنین ویژگی خواندن به صدا چت بات ChatGPT وجود دارد. به گفته جف هریس، یکی از اعضای تیم محصول Voice Engine، این ابزار با ترکیبی از داده های دارای حق چاپ و عمومی آموزش داده شده است و تنها برای حدود 10 توسعه دهنده در دسترس بوده است.
در مرحله بعد، صدای ایجاد شده توسط Age of Learning را می شنوید که در آن هوش مصنوعی در مورد زیست شناسی و شیمی با صدای مرجع صحبت می کند. همانطور که در بالا گفتیم، این ابزار متن درخواستی شما را با استفاده از صدای شما می خواند.
تبدیل متن به گفتار به هوش مصنوعی در حال تکامل است و در حالی که بسیاری از شرکت‌ها بر تولید صداهای طبیعی یا آلات موسیقی تمرکز کرده‌اند، تعداد کمی از استارت‌آپ‌ها به تولید صدا روی آورده‌اند. البته در بین این استارت آپ ها نام های مطرحی مانند Eleven Labs وجود دارد.
اگرچه OpenAI به سمت ابزارهای تقلید صدا رفته است، اما نگرانی هایی در مورد سوء استفاده از این ابزارها وجود دارد. با این حال، OpenAI می گوید که با شرکای خود برای پیروی از سیاست های خود به توافق رسیده است. طبق این سیاست ها، هوش مصنوعی OpenAI با تقلید صدا نباید برای جعل هویت افراد یا سازمان ها بدون رضایت آنها استفاده شود.
OpenAI همچنین از شرکای خود می خواهد که “رضایت صریح و آگاهانه” سخنران اصلی را داشته باشند. صداهای تولید شده توسط هوش مصنوعی واترمارک می شوند تا بتوان منشأ آنها را ردیابی کرد و البته نحوه استفاده از آن را نیز کنترل کرد.
توسعه‌دهنده ابزار شبیه‌سازی صدا Voice Engine چندین مرحله را برای محدود کردن احتمال سوء استفاده از این ابزارها پیشنهاد کرده است. این پیشنهادها شامل حذف تدریجی احراز هویت صوتی برای دسترسی به حساب‌های بانکی، تنظیم سیاست‌هایی برای محافظت از صدای انسان در هوش مصنوعی، آموزش بهتر در مورد دیپ‌فیک‌ها و توسعه سیستم‌هایی برای ردیابی محتوای تولید شده توسط هوش مصنوعی است.
