Корпорация Microsoft представила искусственный интеллект VALL-E, который может имитировать голос на основе трехсекундного образца. Технология позволяет воспроизвести любой голос, передавая при этом тон и эмоции говорящего.
По мнению разработчиков, система может пригодиться при создании приложений для преобразования текста в речь или аудиоконтента. При этом она может использоваться в сочетании с другими ИИ-генераторами, вроде GPT-3. Послушать, как звучат сгенерированные отрывки, можно на этом сайте.
ИИ обучали на основе модели с применением 60 тысяч часов записи англоязычной речи от более 7 тысяч человек. За счет этого системе достаточно прослушать запись, и она сможет генерировать речь даже с использованием тех слов, которых человек никогда не произносил.
Данную разработку считают прорывом в области голосов, так как ранние программы могли только воспроизводить голос, не передавая эмоции и тон. Отмечается, что по мере совершенствования системы имитация также будет звучать еще более убедительно.
Как пишет РБК, этот момент затрагивает ряд этических вопросов, так как технологией могут воспользоваться мошенники. По этой причине Microsoft пока не планирует размещать код VALL-E в публичном доступе. Программу продолжат разрабатывать и совершенствовать строго внутри компании.
Комментарии