به گزارش ثریا مایکروسافت جدیدترین پژوهشهای خود را در زمینه تبدیل متن به گفتار با مدلی به نام VALL-E نشان داده است که میتواند صدای افراد را تنها از یک نمونه صوتی سه ثانیهای شبیهسازی کند.
پژوهشگران شرکت مایکروسافت این مدل چشمگیر جدید هوش مصنوعی تبدیل متن به گفتار را به نحوی طراحی کردهاند که میتواند فقط چند ثانیه به یک صدا گوش دهد، سپس آن صدا را تقلید کند و هرچه کاربر دوست دارد، بگوید.
گفتار نه تنها میتواند با صدای گوینده، بلکه با لحن احساسی وی و حتی آکوستیک یک اتاق همخوانی داشته باشد.
مایکروسافت میگوید، روزی میتوان از این ربات برای برنامههای کاربردی تبدیل متن به گفتار سفارشی یا پیشرفته استفاده کرد، اگرچه مانند فناوری دیپفیک(جعل عمیق)، خطر سوءاستفاده را نیز به همراه دارد.
ربات هوش مصنوعی VALL-E چیزی است که مایکروسافت آن را «مدل زبان عصبی کدک»(neural codec language model) مینامد که از شبکه فشردهسازی عصبی شرکت «متا» موسوم به Encodec مشتق شده است که صدا را از ورودی متن و نمونههای کوتاه از بلندگوی هدف تولید میکند.
پژوهشگران در مقالهای، نحوه آموزش دیدن VALL-E را با ۶۰ هزار ساعت گفتار انگلیسی از بیش از ۷۰۰۰ سخنران در کتابخانه صوتی LibriLight متا شرح دادهاند. صدایی که این ربات سعی میکند تقلید کند باید با صدای دادههای آموزشی مطابقت داشته باشد.
این گروه دقیقاً نشان میدهد که این کار توسط VALL-E چقدر خوب انجام میشود. بنابراین برای هر عبارتی که میخواهید هوش مصنوعی آن را بگوید، یک پیام سه ثانیهای از گوینده برای تقلید کافی است.
البته نتایج کار این ربات در حال حاضر، ترکیبی است و برخی از آنها شبیه به صدای ماشینی و برخی دیگر به طرز شگفت آوری واقعی هستند.
این واقعیت که VALL-E لحن احساسی نمونههای اصلی را حفظ میکند، نکته برجسته آن است. همچنین کاملاً با محیط آکوستیک مطابقت دارد، بنابراین اگر گوینده صدای خود را در سالن پژواک ضبط کند، خروجی VALL-E نیز به نظر میرسد که از همان مکان آمده است.
کار Vall-E در تقلید لهجهها نیز بسیار خوب است و حداقل لهجههای آمریکایی، بریتانیایی و چند لهجه اروپایی را به خوبی تقلید میکند.
مایکروسافت برای بهبود این مدل قصد دارد دادههای آموزشی خود را «برای بهبود عملکرد مدل در قواعد زبانی، سبک گفتاری و شباهت به صدای سخنران» افزایش دهد. همچنین در حال بررسی راههایی برای کاهش کلماتی است که نامفهوم یا فراموش شدهاند.
پیامدهای این نوع فناوری کاملاً واضح است. از جنبه مثبت میتوان این گونه در نظر گرفت که کاربران میتوانند از این ربات بخواهند مثلا لیست خرید آنها را با صدای هنرپیشگان و صداپیشگان مشهور برایشان بخواند. یا اگر بازیگری در نیمه راه فیلمبرداری یک فیلم فوت کند، میتوان با استفاده از این فناوری و جلوههای ویژه پروژه را پایان رساند.
اما جنبه منفی آن نیز این است که خبر خوبی برای صداپیشهها و گویندگان نیست، چرا که هوش مصنوعی ممکن است بتواند گویندگی را به سرعت و بسیار ارزان انجام دهد، اما خب نمیتوان انتظار زیادی از آن داشت تا چندان هنرمندانه باشد.
پتانسیل کلاهبرداری با این فناوری نیز بسیار بالاست. اگر یک کلاهبردار بتواند برای سه ثانیه با شما تلفنی صحبت کند، میتواند صدای شما را بدزدد و با آن با خویشاوندانتان تماس بگیرد یا با آن میتوان هر دستگاه امنیتی تشخیص صدا را دور زد.
مایکروسافت احتمالاً به دلیل خطرات ذاتی این ربات هوش مصنوعی که میتواند کلمات دلخواه را در دهان شخص دیگری بگذارد، کد آن را به صورت منبعباز قرار نداده است، چرا که از آنجایی که VALL-E میتواند گفتار را به صورتی ترکیب کند که هویت گوینده را تقلید کند، ممکن است خطرات بالقوهای در استفاده نادرست، مانند جعل صدا یا جعل هویت داشته باشد.
این الگوریتم جدید نمونهای از بسیاری از الگوریتمهای هوش مصنوعی است که میتواند صدای ضبط شده یک فرد را تقلید کند و کلمات و جملاتی را بیان کند که شخص مورد نظر هرگز آنها را بازگو نکرده است.
ظهور هوش مصنوعیهای خلاق مانند DALL-E، ربات گفتگوگر ChatGPT، الگوریتمهای دیپفیک مختلف و تعداد بیشماری از الگوریتمهای دیگر به نظر میرسد که در چند ماه گذشته در نقطه عطف قرار گرفته و شروع به خارج شدن از آزمایشگاهها و ورود به دنیای واقعی کرده است. این فناوریها نیز مانند همه تغییرات دیگر، فرصتها و خطراتی را به همراه دارند و حاکی از آن هستند که ما واقعاً در زمان جالبی زندگی میکنیم.
منبع: خبرگزاری ایسنا
جزئیات برگزاری مصاحبه مجازی متأخرین دکتری ۱۴۰۵ دانشگاه آزاد اعلام شد
قیمت سامسونگ گلکسی و زد فولد گران می شود
خبر مصوبه شورای عالی فضای مجازی برای برخورد با بلاگرها تکذیب شد
رشد استقبال از آزمون دستیاری در سالهای اخیر
تصویری از تابوت استاد مرحوم اکبر عبدی
پارادوکس در وقف، سودجویی ناشر و موزّع
فانتزی که به شاهنامه تکیه زده است/ احیای حماسه در ادبیات فانتزی ایران
رمان دینی باید افراد معاند و خاکستری را هم پای کتاب بنشاند
بعد از انفجار پیجرها، زندگی چگونه ادامه پیدا کرد؟
حافظه مکتوب ایران چگونه زنده میماند؟
بزرگداشت شیخ صفیالدین اردبیلی در فضای مجازی
صفحه رسمی سفارت آلمان در تهران شایعات تخلیه کارکنان این نمایندگی دیپلماتیک را تکذیب کرد
تصویری از برخاستن ستون دود در اربیل عراق
رهبر شهید بیش از حوزویان با نخبگان دانشگاهی دیدار داشتند
ترامپ انتقام جریمه گوگل را از اروپا می گیرد
خونخواهی رهبر شهید ادامه یک مطالبه تاریخی است؛ انتقام با بیشترین ضربه
اعلام دستمزد طراحان صحنه و لباس تئاتر در سال ۱۴۰۵
خالق فیلم معروف «ماسک» از دنیا رفت؛ جیم کری از همکاری با وی تشکر کرد
خداحافظ آقای عبدی؛ دلمان برایتان تنگ میشود
اعزام ۴۷۴ معلم برگزیده به مدارس خارج از کشور
وزیر آموزش و پرورش: کنکور به موقع برگزار میشود
کشف آنزیمی که میتواند پیری را معکوس کند
چت جی پی تی در سراسر جهان مختل شد
ثبت نام دانش آموختگان خارج از کشور در آزمون پیش کارورزی پزشکی آغاز شد
کلید اولیه آزمون دستیاری پزشکی امروز منتشر میشود
اتحادیه اروپا گوگل را ۸۹۰ میلیون یورو جریمه کرد
سیزدهمین پرتاب استارشیپ موفقیت آمیز بود
رویداد «معماری نوین حکمرانی علم و فناوری کشور» آغاز بکار کرد
آغاز همکاری مشترک برای تدوین سند ملی صلاحیت حرفهای ICT
۳۵۰ پرونده دانشگاه پیامنور در دیوان عدالت اداری بررسی شد
ضرورت تدوین استانداردهای تازه برای خدمات پزشکی پیشرفته
تصمیمگیری درباره حضوری شدن دوره کارشناسی با شورای عالی امنیت ملی است
عزای عمومی برای مردی که خاطره مشترک میلیونها ایرانی بود
مرحله غیرمتمرکز المپیاد علمی دانشجویی کشور برگزار شد
آغاز حضوری سال تحصیلی جدید/آمادگی دانشگاهها برای سناریوهای مختلف
معیارهای جدید همترازی رشتههای دانشگاهی برای استخدام ابلاغ شد
پشتیبانی دکترتو تهران چگونه است؟
رقابت ۱۷ هزار داوطلب در پنجاه و سومین دوره آزمون دستیاری پزشکی آغاز شد
تصویری از ابابیل ۳ در آسمان کویت
امنیت ایران با صلح تحمیلی معامله پذیر نیست
فروش بدون کارمزد خودرو در استانهای درگیر جنگ
کشف یک مولکول ناشناخته روی قمر زحل و پلوتو که دانشمندان توضیحی برای آن ندارند
جزئیات ترم تابستانی دانشگاه خوارزمی اعلام شد
دانشگاه صنعتی امیرکبیر در جایگاه سوم رتبه بندی بنیاد ملی نخبگان
تفاهم دانشگاه شهید بهشتی با بانک برای پرداخت تسهیلات مسکن
فرانسه شبکههای اجتماعی را برای کودکان ممنوع میکند
کلید اولیه آزمون کارشناسی ارشد ۱۴۰۵ تا فردا منتشر می شود
حضور گسترده دانشجویان با ۱۷۵ موکب در مراسم تدفین رهبر شهید
هوش مصنوعی به همتای خود حمله سایبری کرد
پایان مکاتبات کاغذی در ثبت اساسنامه مؤسسات اعزام دانشجو
تصویر منتشر نشده از آیت الله سید مجتبی خامنهای
علت کوریهای بیبازگشت کشف شد
اختصاص وام ضروری به دانشجویان آسیب دیده از جنگ
نتفلیکس استارتاپ هوش مصنوعی بازیگر معروف را خرید
فضاپیمای چینی برای دفاع از زمین با یک سیارک برخورد می کند
قابلیت تماشای عکسهای اسلایدی به تلگرام آمد
فرزهای دندانپزشکی نانویی در ایران تولید شد
روباتها با خواندن فکر فرمانبردار شما میشوند
میراث آیت الله شاهآبادی پیوند میان «عرفان شیعی» و سیاست و جهاد بود
«قرآن رنانی» با دستخط رهبر شهید به بازار نشر رسید
برگزاری همایش موکبداران «جاماندگان اربعین حسینی» در فرهنگسرای ولاء
آغاز طرح امنیتی و خدماتی زیارت اربعین حسینی در نجف اشرف
«سیوشش هفت» غم میناب را از زبان خانواده شهدا به تصویر میکشد
ماندگاری ۸۲ درصدی نخبگان؛ جذب ۴۲۰ فارغالتحصیل از دانشگاههای برتر جهان
تیک تاک دوباره برای کارمندان دولت آمریکا مجاز شد
آیین بزرگداشت رهبر شهید انقلاب فردا در دانشگاه تهران برگزار میشود
شرکت سامسونگ کارمندانش در آمریکا را تعدیل کرد
توییت جالب اکانت سفارت ایران درباره ادعای رهگیری موشک های ایران
اعلام نتایج نهایی آزمون دکتری سال ۱۴۰۵ در دهه اول مردادماه
نحوه برگزاری امتحانات و کلاسهای دانشگاههای علوم پزشکی استانهای جنوبی
مهلت تخلیه خوابگاههای دانشجویی دانشگاه الزهراء تمدید شد
درخشش تیم ملی رباتیک ایران در رقابت روبوکاپ جهانی ۲۰۲۶
توضیح معاون علمی رئیس جمهور درباره سند راهبردی «توسعه فرانچایز دانشبنیان»
امارات مقصد بعدی موشکهای ایرانی؟ +عکس
تغییر در فرایند پذیرش دانشجومعلمان/ ایجاد سهمیه بومی برای برخی رشتهها
بررسی افزایش ۳۰ تا ۵۰ درصدی وامهای دانشجویی
آخرین وضعیت صدور احکام انضباطی دانشجویان خاطی حوادث دی ماه اعلام شد
دفترچه سوالات کنکور ارشد ۱۴۰۵ منتشر شد/ اعلام کلید تا ۳۱ تیر
فروشگاههای اپ طرف ثالث بالاخره وارد اندروید میشوند
ترامپ دسترسی به پستهایش در شبکه اجتماعی تروث را میفروشد
امنیت ایران با صلح تحمیلی معامله پذیر نیست
معیارهای جدید همترازی رشتههای دانشگاهی برای استخدام ابلاغ شد
فروش بدون کارمزد خودرو در استانهای درگیر جنگ
کلید اولیه آزمون کارشناسی ارشد ۱۴۰۵ تا فردا منتشر می شود
تصویری از ابابیل ۳ در آسمان کویت
تفاهم دانشگاه شهید بهشتی با بانک برای پرداخت تسهیلات مسکن
قابلیت تماشای عکسهای اسلایدی به تلگرام آمد
علت کوریهای بیبازگشت کشف شد
پشتیبانی دکترتو تهران چگونه است؟
هوش مصنوعی به همتای خود حمله سایبری کرد
کشف یک مولکول ناشناخته روی قمر زحل و پلوتو که دانشمندان توضیحی برای آن ندارند
اختصاص وام ضروری به دانشجویان آسیب دیده از جنگ
فرزهای دندانپزشکی نانویی در ایران تولید شد
جزئیات ترم تابستانی دانشگاه خوارزمی اعلام شد
نتفلیکس استارتاپ هوش مصنوعی بازیگر معروف را خرید
فضاپیمای چینی برای دفاع از زمین با یک سیارک برخورد می کند
دانشگاه صنعتی امیرکبیر در جایگاه سوم رتبه بندی بنیاد ملی نخبگان
حضور گسترده دانشجویان با ۱۷۵ موکب در مراسم تدفین رهبر شهید
رقابت ۱۷ هزار داوطلب در پنجاه و سومین دوره آزمون دستیاری پزشکی آغاز شد
روباتها با خواندن فکر فرمانبردار شما میشوند
فرانسه شبکههای اجتماعی را برای کودکان ممنوع میکند
پایان مکاتبات کاغذی در ثبت اساسنامه مؤسسات اعزام دانشجو
تصویر منتشر نشده از آیت الله سید مجتبی خامنهای
رهبر شهید بیش از حوزویان با نخبگان دانشگاهی دیدار داشتند
کلید اولیه آزمون دستیاری پزشکی امروز منتشر میشود
ثبت نام دانش آموختگان خارج از کشور در آزمون پیش کارورزی پزشکی آغاز شد
اعزام ۴۷۴ معلم برگزیده به مدارس خارج از کشور
کشف آنزیمی که میتواند پیری را معکوس کند
اعلام دستمزد طراحان صحنه و لباس تئاتر در سال ۱۴۰۵
وزیر آموزش و پرورش: کنکور به موقع برگزار میشود
نظراتی که حاوی توهین یا افترا به اشخاص ،قومیت ها ،عقاید دیگران باشد و یا با قوانین کشور وآموزه های دینی مغایرت داشته باشد منتشر نخواهد شد - لطفاً نظرات خود را با حروف فارسی تایپ کنید.