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
تمدید مهلت ثبت نام پذیرش بدون آزمون کاردانی ویژه مهارتی سال ۱۴۰۵
پایان نخستین دوره پسادکتری علوم ورزشی امیرکبیر با محوریت هوش مصنوعی
بزرگترین رقابت دانشآموزی در حوزه کوانتوم و لیزر برگزار شد
شرکت انگلیسی دادههای مشتریانش را به هکرها داد
مهلت انتخاب رشته آزمون دستیاری پزشکی مجدد تمدید شد
حمله ایران معماری هوش مصنوعی امارات را تغییر داد؛ فرار دادهها به کوه
چالشهای مصوبه اخیر «ستاد ویژه ساماندهی فضای مجازی» از منظر حقوقی
مدیران ارشد هوش مصنوعی خواستار کندتر شدن پیشرفت آن شدند
قالیباف قانون ملی توسعه هوش مصنوعی را ابلاغ کرد
سهمیه ویژه کنکور برای آسیبدیدگان جنگ نیازمند بازنگری است
پارادوکس رفاه و رضایت؛ چرا مدرنیته ما را شادتر نکرد؟
پیوند عرفان کلاسیک با زیست انسان معاصر در شرح فتوحات مکیه باب ۵۶۰
عالمی که علم و مبارزه را به سنگر امامت جمعه پیوند زد
نظریات و رویکردهای اسلامی در خصوص مددکاری اجتماعی
نسل امروز بی ارادهتر از نسل قبل است؟
از تربت ۱۷ کیلویی تا یک میلیون سند تاریخی، جلوهای از حرم بانوی کرامت
حجتالاسلام قمی: مردم نمیگذارند قیمت پایان جنگ، فروختن عزت ایران باشد
جزئیات برگزاری بیستمین آزمون سراسری قرآن و عترت
خیابان و زندگی؛ واکاوی نقش زنان در پایداری اجتماعات شبانه
«دهکده سلامت» یادگار یک خیر بزرگ برای بیماران صعب العلاج
چرا عرفانهای نوپدید برای جوان امروز جذاباند؟
نگاهی به سریال «دیوار دفاعی»؛ ملی شدن صنعت نفت با چاشنی فوتبال
شعری از نظامی گنجوی موضوع یک انیمیشن کوتاه شد
دیوارنگاره میدان ولیعصر (عج) موقتا تغییر نمیکند؛ آغاز ایمنسازی
«اسکورت» بر صدر فروش روزانه نشست؛ استقبال از آزادی زنان زندانی
حسین علیزاده مهمان «همکلام» میشود
بازی «بومبوم» با حضور خانواده شهید طهرانیمقدم رونمایی شد
«ململ» مهمان نمایشگاه ایران نوشت شد
محرابی که منافقین را به وحشت انداخت؛ چرا مدنی باید ترور میشد؟
اپل به جمع تولید کنندگان موبایل تاشو پیوست
رئیس دانشگاه تهران: برای مقابله با تحریمهای علمی برنامهریزی میکنیم
روحانیِ پیونددهنده دین و آزادی
توصیه پذیرفته شدگان تیزهوشان، کدام آموزشگاه است؟!
برگزیدگان بیستمین جشنواره ملی شیخ بهایی معرفی و تقدیر شدند
اعلام وجه التزام اسناد وثیقه پذیرفتهشدگان تخصصی و فوقتخصصی پزشکی
علت توقف طرح جدید تغذیه دانشجویی چه بود؟
مهلت مجدد ثبتنام در آزمون ارشد علوم پزشکی ۱۴۰۵
ابلاغ دستورالعمل حجاب به زودی در دانشگاهها
تصمیم جدید وزارت علوم درباره ساماندهی دادههای دانشگاهی
آمار جالب از ازدواجهای دانشجویی: موفقیت ۹۴ درصد ازدواجهای دانشجویی طی ۱۲ سال گذشته
آزمونهای کاردانی مهارتی، کارشناسی ناپیوسته و سردفتری۲۰ شهریور برگزار میشود
روباتها در لهستان راهپیمایی کردند
ورود تاکسیهای خودران به ناوگان اوبر در لندن
آموزش ۶۵ هزار آموزگار ابتدایی برای استفاده از ظرفیت بازی و ورزش
وزیر آموزش و پرورش: دریافت هرگونه وجه هنگام ثبتنام در مدارس دولتی ممنوع است
برنامههای «زیست عفیفانه» از مهر در مدارس اجرا میشود
انتظار معاونت علمی از CVCها برای سرمایهگذاری در ۷هزار شرکت نوپا
کارنامه نهایی و دفترچه انتخاب رشته آزمون دستیاری منتشر شد
آلمان موشک و ۵ ماهواره به مدار زمین فرستاد
ظرفیت ۶ هزارنفری دستیاری پزشکی ۱۴۰۵؛ تعیین ظرفیت تعهد مناطق محروم
تحریم علم، رفتار علمی نیست؛ باید به دنبال مسیرهای جایگزین برای انتشار آثار محققان بود
بازنمایی قدرت نرم ایران در شرایط پساجنگ و جایزه جهانی دیپلماسی
آیا اصرار بر تفاوتهای فقهی، آب به آسیاب دشمنان وحدت اسلامی میریزد؟
انتظار، منطق دینی آمادگی تاریخی برای آینده موعود
«تحول تاریخی مفهوم فلسفه» با تقدیر از پرویز ضیاءشهابی رونمایی میشود
نگاهی به حکمرانی فضای مجازی در ایران از منظر تحلیل نهادی تنظیمگری
نظر قرآن درباره مسئولیت اجتماعی برای میانجیگری بین اختلاف زوجین
در همایش ادیان سن پترزبورگ چه گذشت؟ تاکید ایران بر مقاومت
حل موضوع حجاب با «مسئلهمندی مشترک»؛ مردم را درگیر مسئله وحدت کنیم
خود بنده فرهنگ درخشان تو آمد؛ آن قوم که از روی طمع، بنده تو را خواست
فروش «رویای نیمهشب» ۱۰۰ درصد افزایش یافت
نرگس آبیار: سینما را خودآموز یاد گرفتم
بزرگداشت جین فوندا در ونیز؛ از ترامپ بیزارم!
رونمایی از تندیس اکبر عبدی؛ هنرمندی که به خاطرهای ملی تبدیل شد
تصاویری از موشک بالستیک جهاد که در جریان یکی از موجهای عملیات نصر-۲ شلیک شده بود
نگاهی به انیمیشن «سفینه نجات»؛ وقتی تعزیه با ابرقهرمانی فضایی گره میخورد
آغاز ثبت نام بیستمین آزمون سراسری قرآن و عترت
افشای هک وب سایت آلمانی توسط هوش مصنوعی اوپن ای آی
انتخاب رشته داوطلبان آزمون کارشناسی ارشد ۱۴۰۵ دانشگاه آزاد تمدید شد
سال تحصیلی جدید دانشگاه صنعتی امیرکبیر از ۲۸ شهریور آغاز میشود
ظرفیت ۱۴۶ هزار نفری پذیرش در کنکور ارشد ۱۴۰۵
جان مالکوویچ در ونیز تشویق شد؛ هجوم «اسب وحشی نهم» به اسکار
دانشمندی که جواب سوالهایش را از آسمان میخواست
ادامه حاشیههای «آرش» و نوید؛ کیت بلانشت «الکترا» شد
کلونی در جشنواره فیلم ونیز درخشید و با شیر طلا به ترامپ تاخت
جدال دوباره ساترا و ارشاد؛ «داش آکل» وارد میشود
موشک ایرانی موضوع نخستین شماره کتابمجله "آورد"
فراخوانی برای جمع آوری «ایدههای برتر قرآنی»
موانع استجابت دعا چیست؟ طلب مغفرت برای کافران مستجاب نمیشود
مدیر اسلامی با مهندسی انسجام، سلایق را به وحدت عمل در میآورد
آزمونهای کاردانی مهارتی، کارشناسی ناپیوسته و سردفتری۲۰ شهریور برگزار میشود
تصمیم جدید وزارت علوم درباره ساماندهی دادههای دانشگاهی
مهلت مجدد ثبتنام در آزمون ارشد علوم پزشکی ۱۴۰۵
علت توقف طرح جدید تغذیه دانشجویی چه بود؟
آمار جالب از ازدواجهای دانشجویی: موفقیت ۹۴ درصد ازدواجهای دانشجویی طی ۱۲ سال گذشته
رئیس دانشگاه تهران: برای مقابله با تحریمهای علمی برنامهریزی میکنیم
اعلام وجه التزام اسناد وثیقه پذیرفتهشدگان تخصصی و فوقتخصصی پزشکی
ابلاغ دستورالعمل حجاب به زودی در دانشگاهها
توصیه پذیرفته شدگان تیزهوشان، کدام آموزشگاه است؟!
برگزیدگان بیستمین جشنواره ملی شیخ بهایی معرفی و تقدیر شدند
روحانیِ پیونددهنده دین و آزادی
اپل به جمع تولید کنندگان موبایل تاشو پیوست
روباتها در لهستان راهپیمایی کردند
ورود تاکسیهای خودران به ناوگان اوبر در لندن
نگاهی به سریال «دیوار دفاعی»؛ ملی شدن صنعت نفت با چاشنی فوتبال
پیوند عرفان کلاسیک با زیست انسان معاصر در شرح فتوحات مکیه باب ۵۶۰
از تربت ۱۷ کیلویی تا یک میلیون سند تاریخی، جلوهای از حرم بانوی کرامت
نسل امروز بی ارادهتر از نسل قبل است؟
شعری از نظامی گنجوی موضوع یک انیمیشن کوتاه شد
نظریات و رویکردهای اسلامی در خصوص مددکاری اجتماعی
خیابان و زندگی؛ واکاوی نقش زنان در پایداری اجتماعات شبانه
«دهکده سلامت» یادگار یک خیر بزرگ برای بیماران صعب العلاج
چرا عرفانهای نوپدید برای جوان امروز جذاباند؟
«اسکورت» بر صدر فروش روزانه نشست؛ استقبال از آزادی زنان زندانی
پارادوکس رفاه و رضایت؛ چرا مدرنیته ما را شادتر نکرد؟
عالمی که علم و مبارزه را به سنگر امامت جمعه پیوند زد
جزئیات برگزاری بیستمین آزمون سراسری قرآن و عترت
دیوارنگاره میدان ولیعصر (عج) موقتا تغییر نمیکند؛ آغاز ایمنسازی
«ململ» مهمان نمایشگاه ایران نوشت شد
محرابی که منافقین را به وحشت انداخت؛ چرا مدنی باید ترور میشد؟
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.