Veritone-ს სურს თქვენი ხმის ღრმა კლონირება

არსებობს ა ვიდეო რომელიც პერიოდულად ჩნდება ჩემს YouTube არხზე. ეს არის საუბარი რეპერებს Snoop Dogg-სა და 50 Cent-ს შორის, რომელიც წუხს იმ ფაქტზე, რომ მათ თაობასთან შედარებით, ყველა თანამედროვე ჰიპ-ჰოპ არტისტი აშკარად ერთნაირად ჟღერს. „როდესაც ადამიანი გადაწყვეტს იყოს საკუთარი თავი, ის გვთავაზობს იმას, რასაც სხვა ვერავინ შეძლებს“, - ამბობს 50 Cent. "დიახ, "რადგან ერთხელ შენ იქნები - ვინ შეიძლება იყოს შენ გარდა?" პასუხობს სნუპი.

როდესაც ვიდეო აიტვირთა 2014 წლის ოქტომბერში, ეს შეიძლება ზოგადად სიმართლე იყო. მაგრამ მხოლოდ რამდენიმე წლის შემდეგ ეს ნამდვილად არ არის. აუდიო ღრმა ფეიქების სამყაროში შესაძლებელია A.I. საშინლად ჟღერდეს სხვა ადამიანის მსგავსი აუდიო კორპუსის მიწოდებით, რომელიც შედგება მათი სალაპარაკო მონაცემების საათებისგან. შედეგები არის უზომოდ ზუსტი.

საზოგადო მოღვაწეებს, როგორიცაა რეპერი ჯეი-ზი და ფსიქოლოგმა ჯორდან პეტერსონმა უკვე ჩიოდა, რომ ადამიანები ითვისებდნენ მათ ხმას აუდიო ღრმა ფეიქების შექმნით და შემდეგ სისულელეების თქმას ინტერნეტში. "Გაიღვიძე,"

დაწერა პეტერსონმა. "შენი ხმის და შენი გამოსახულების სიწმინდე სერიოზულ საფრთხეშია." ეს მხოლოდ საზიზღარი შემთხვევებია. სხვა შემთხვევაში, შედეგები შეიძლება გადაიზარდოს არა ნიუანსურ კრიმინალში. In 2019 წლის ერთი შემთხვევა, კრიმინალები აუდიო ღრმა ფეიქი გამოიყენეს ენერგეტიკული კომპანიის აღმასრულებელი დირექტორის ხმის განსახიერებისთვის და დაარწმუნეს ხელქვეითი ტელეფონით სასწრაფოდ გადაერიცხა $243,000 საბანკო ანგარიშზე.

ვერიტონი, A.I. კომპანია, რომელიც ქმნის ჭკვიან ინსტრუმენტებს მედიის მარკირებისთვის გასართობი ინდუსტრიისთვის, არის აუდიო ღრმაყალბი ძალა ისევ მათ ხელში (ან, ყელში) ჩააბარეთ, ვისაც ეს სწორად ეკუთვნის. ამ თვეში კომპანიამ განაცხადა მარველი.აი, რასაც კომპანიის პრეზიდენტმა რაიან სტელბერგმა განუცხადა Digital Trends-ს, როგორც „სრული ხმა-როგორც სერვისის გადაწყვეტა“. საფასურის სანაცვლოდ Veritone ააშენებს A.I. მოდელი რომ ჟღერს ისევე, როგორც თქვენ (ან, უფრო სავარაუდოა, ცნობილი ადამიანი დაუყოვნებლივ ცნობადი ხმით), რომელიც შემდეგ შეიძლება გაიცეს სესხით, როგორც მაღალტექნოლოგიური ვერსია არიელის ხმა-როგორც უზრუნველყოფის გარიგება საწყისი Პატარა ქალთევზა.

”თქვენი ხმა ისეთივე ღირებულია, როგორც ნებისმიერი სხვა კონტენტი ან ბრენდის ატრიბუტი, რომელიც თქვენ გაქვთ”, - თქვა სტელბერგმა. "[ეს არის დონეზე] თქვენი სახელისა და მსგავსების, თქვენი სახის, თქვენი ხელმოწერის ან თქვენს მიერ დაწერილი სიმღერის ან თქვენ მიერ შექმნილი კონტენტის ნაწილის დონეზე."

”ჩვენ შეგვიძლია ბევრი რამის გადაკეთება”

გარკვეული ადამიანები, რა თქმა უნდა, დიდი ხანია ყიდიან თავიანთ ხმებს რეკლამების ჩაწერის ან ხმის გადაცემის, სიმღერების სიმღერისა და მონეტიზაციის უამრავი სხვა ფორმის სახით. მაგრამ ეს ყველა მცდელობა მოითხოვს, რომ ადამიანი რეალურად ეთქვა სიტყვები. რასაც Veritone-ის გადაწყვეტა გვპირდება არის ამის ინდივიდუალურად მასშტაბირება.

რა მოხდება, თუ, მაგალითად, კევინ ჰარტს შეეძლო ლიცენზირებულიყო თავისი ხმა მდიდრულ ბრენდზე, რომელსაც შეეძლო მისი გამოყენება პერსონალიზებული რეკლამის შესაქმნელად. მაყურებლის სახელი, მათი უახლოესი აგურის და ნაღმტყორცნების გაყიდვის პუნქტის მდებარეობა და კონკრეტული პროდუქტი, რომელიც შეიძლება იყოს იყიდე? იმის ნაცვლად, რომ სიტყვასიტყვით დღეები გაატაროს ჩამწერ ჯიხურში, A.I. შეიძლება დაუშვას ამის გაკეთება ცოტა მეტით (ჩართულია ჰარტის ნაწილი, ყოველ შემთხვევაში), ვიდრე ხელი მოაწეროს წერტილოვან ხაზზე, რათა დათანხმდეს, რომ მისი ხმის მსგავსება გამოიყენოს აღნიშნულ მესამემ წვეულება. სანამ ის ფილმის გადაღებას არ აპირებდა, ან კომედიურ ტურნეს აკეთებდა, ან შვებულებაში მიდიოდა, ან სულაც ეძინა, მისი ციფრული ხმა შესაძლოა ფულს აგროვებდა.

”ჩვენ შეგვიძლია ბევრი რამის გადაკეთება”, - განმარტა სტელბერგმა სასწავლო პროცესთან დაკავშირებით. „ადამიანები, რომლებიც უკვე ტონს ლაპარაკობენ, თუ ისინი აწარმოებენ პოდკასტს ან მედიაში, ბევრი მონაცემი არსებობს. ჩვენ ალბათ უკვე ბევრი გვაქვს, თუ ისინი ჩვენი კლიენტები იქნებიან. ”

სტელბერგმა თქვა, რომ ხმა-როგორც სერვისის იდეა Veritone-ს რამდენიმე წლის წინ გაუჩნდა. თუმცა, იმ დროს ის არ იყო დარწმუნებული, რომ მანქანათმცოდნეობის მოდელებს შეეძლოთ შეექმნათ ჰიპერრეალისტური სინთეზური ხმები, რომელსაც ის ეძებდა. ეს განსაკუთრებით მნიშვნელოვანია, როდესაც საქმე ეხება ხმებს, რომლებსაც ჩვენ კარგად ვიცნობთ, მაშინაც კი, თუ რეალურად არასოდეს შევხვედრივართ მოცემულ მოსაუბრეს. შედეგები შეიძლება იყოს ერთგვარი გასაგონი უცნაური ველი, ყოველი არასწორი ხმით აფრთხილებს მსმენელს იმის შესახებ, რომ ისინი უსმენენ ყალბს. მაგრამ აქ 2021 წელს ის დარწმუნებულია, რომ საქმეები იქამდე მივიდა, სადაც ეს ახლა შესაძლებელია. აქედან Marvel.ai.

Steelberg აღფრთოვანებული სიტყვით საუბრობს ტექნოლოგიის მასიური პოტენციალის შესახებ, საუბრობს მის შესაძლო სიმრავლეზე "აღსრულების მოდალობაზე". Veritone-ს შეუძლია შექმნას მოდელები ტექსტის მეტყველებისთვის. მას ასევე შეუძლია შექმნას მოდელები მეტყველებამდე მეტყველებისთვის, რომლითაც ხმოვან მსახიობს შეუძლია ვოკალური წარმოდგენა „გამართოს“ კითხვით. სიტყვები შესაფერისი დახრილობით და შემდეგ დასრულებული ხმის გადაფარვა ბოლოს Snapchat-ის მსგავსად ფილტრი. კომპანიას ასევე შეუძლია თითის ანაბეჭდი თითოეულ ხმაზე, რათა მან შეძლოს თქვას, შეიქმნა თუ არა აშკარად რეალური აუდიოს ნაწილი, რომელიც გამოჩნდება სადმე, მისი ტექნოლოგიის გამოყენებით.

”რაც უფრო მეტს ფიქრობთ მასზე... თქვენ სიტყვასიტყვით გამოავლენთ კიდევ 50 [შესაძლებელ გამოყენების შემთხვევას],” - თქვა მან. „რაც ჩვენ ასე მომხიბვლელად მივიჩნევთ A.I-ს ამ ახალ კატეგორიაში. არის გაფართოება და ცვალებადობა“.

განვიხილოთ ზოგიერთი სხვა. ცნობილი სპორტსმენი შეიძლება იყოს ღმერთი კალათბურთის მოედანზე, მაგრამ ეშმაკი, როდესაც საქმე ეხება სკრიპტში სტრიქონების კითხვა ისე, რომ ბუნებრივად ჟღერდეს. Veritone-ის ტექნოლოგიის გამოყენებით, მათი მონაწილეობა ვიდეო თამაშების სცენაში ან მათი მემუარების აუდიო წიგნის კითხვაში (რომელიც ისინი შეიძლება ასევე არ დაწერილი იყოს) შეიძლება შესრულდეს ხმოვანი მსახიობის მიერ, რომელიც შემდეგ ციფრულად შესწორებულია ისე, რომ ჟღერდეს სპორტსმენი. როგორც სხვა შესაძლებლობა, ფილმი შეიძლება ითარგმნოს სხვა ქვეყნებისთვის, იგივე მსახიობის ხმით, რომელიც ახლა კითხულობს სტრიქონები ფრანგულ, მანდარინურ ან რომელიმე სხვა ენებზე, მაშინაც კი, თუ მსახიობი რეალურად არ საუბრობს მათ.

როგორი რეაქცია ექნება საზოგადოებას?

ამ ყველაფერზე დიდი კითხვა, რა თქმა უნდა, არის ის, თუ როგორ უპასუხებენ საზოგადოების წევრები ამ ყველაფერს. ეს არის სახიფათო, არაპროგნოზირებადი ნაწილი. დღეს ცნობილმა ადამიანებმა კომპლექსური როლი უნდა შეასრულონ: ბილბორდებზე დატანილი ფიგურების ღირსი ფიგურები და ასევე. ახლობელი ადამიანები, რომლებსაც აქვთ ურთიერთობაში პრობლემები, წერენ ტვიტერში ტელევიზორის ყურების შესახებ პიჟამოებში და სულელურ სახეებს აჩენენ, როცა ცხელად ჭამენ სოუსი.

რა ხდება მაშინ, როდესაც გამოჩნდება რეკლამები, რომლებშიც არა მხოლოდ სახელგანთქმული კითხულობს სტრიქონები, არამედ იმ შემთხვევებში, როდესაც ვიცით, რომ ნათქვამია შემსრულებელს რეალურად არასოდეს უთქვამს ეს სტრიქონები, არამედ მისი ხმა პროგრამულად გამოიყენებოდა ჩვენთვის მიზანმიმართული მნიშვნელობის მოსატანად რეკლამა? სტელბერგმა თქვა, რომ ეს ცოტათი განსხვავდება იმისგან, რომ ცნობილი ადამიანები თავიანთ სოციალურ მედიაზე კონტროლს მესამე მხარის ანგარიშების მენეჯერს გადასცემენ. თუ ჩვენ ვხედავთ ტეილორ სვიფტის ტვიტერს, ჩვენ ვიცით, რომ შესაძლოა თავად ტეილორი არ გამოიყენოს შეტყობინებას, განსაკუთრებით თუ ეს არის მოწონება ან სარეკლამო შინაარსი.

მაგრამ ხმა, რეალურად, განსხვავებულია, ზუსტად იმიტომ, რომ ის უფრო პირადია. მით უმეტეს, თუ მას თან ახლავს პერსონალიზაციის ხარისხი, რაც არის ერთ-ერთი ყველაზე აზრიანი გამოყენების შემთხვევა. სიმართლე ისაა, რომ სცენარისტ უილიამ გოლდმანის ციტირება რომ ვთქვათ, არავინ იცის, როგორი იქნება საზოგადოების გამოხმაურება - ზუსტად იმიტომ, რომ აქამდე არავის გაუკეთებია ზუსტად ეს.

”ის აპირებს სპექტრის გაშვებას, არა?” თქვა სტელბერგმა. ”[ზოგი] ადამიანი აპირებს თქვას: ”მე გამოვიყენებ ამ ხელსაწყოს ცოტათი ჩემი დღის გასადიდებლად, რათა დამეხმაროს დროის დაზოგვაში”. სხვები სრულფასოვნად იტყვიან: „მინდა, რომ ჩემმა ხმამ ყველგან გააფართოვოს ჩემი ბრენდი და მე ვაპირებ მის ლიცენზირებას გარეთ."

მისი საუკეთესო ვარაუდი ისაა, რომ მიღება იქნება შემთხვევის მიხედვით. ”თქვენ უნდა იყოთ შეთანხმებული თქვენი აუდიტორიის რეაქციასთან და თუ ხედავთ, რომ ყველაფერი მუშაობს ან არ მუშაობს”, - თქვა მან. „მათ შეიძლება უყვარდეს. მათ შეიძლება თქვან: „იცი რა? მე მომწონს ის ფაქტი, რომ თქვენ ავრცელებთ 10-ჯერ მეტ კონტენტს ან მეტ პერსონალურ კონტენტს, მიუხედავად იმისა, რომ ვიცი, რომ თქვენ გამოიყენეთ სინთეზური შინაარსი მის გასაძლიერებლად. Გმადლობთ. Გმადლობთ.'"

იფიქრე მომავალზე

რაც შეეხება მომავალს? სტელბერგმა თქვა, რომ ”ჩვენ გვინდა ვითანამშრომლოთ ყველა მსხვილ ნიჭიერ სააგენტოსთან. ჩვენ ვფიქრობთ, რომ ყველას, ვინც მწირი ბრენდის ირგვლივ ფულის გამომუშავებით არის დაკავებული, უნდა იფიქროს თავის ხმოვან სტრატეგიაზე.”

და ნუ ელით, რომ ის დარჩება მხოლოდ აუდიოზე. ”ჩვენ ყოველთვის მოხიბლული ვიყავით სინთეზური შინაარსის გამოყენების პოტენციალით, რათა გავაფართოვოთ, გავზარდოთ ან პოტენციურად მთლიანად ჩავანაცვლოთ კონტენტის წარმოების ზოგიერთი მემკვიდრეობითი ფორმა,” - განაგრძო მან. ”იყოს ეს აუდიო გაგებით ან, საბოლოო ჯამში, მომავალში, ა ვიდეო გრძნობა.”

ეს ასეა: როგორც კი აუდიო ღრმა ფეიქების სამყაროში ბაზარს მოაქცევს, Veritone გეგმავს ერთი ნაბიჯის წინ წასვლას და სამყაროში შესვლას. სრულად რეალიზებული ვირტუალური ავატარები რომ ჟღერადობაც და გარეგნობაც მათი წყაროსგან განსხვავებულად გამოიყურება.

უცებ იმათ პერსონალიზებული რეკლამები უმცირესობის ანგარიში გაცილებით ნაკლებად ჰგავს სამეცნიერო ფანტასტიკას.

რედაქტორების რეკომენდაციები

• ციფრული ტენდენციების Tech For Change CES 2023 ჯილდოები
• სწრაფად მზარდი ომის შიგნით ღრმა ფეიქებსა და ღრმა ფეიკ დეტექტორებს შორის
• Alexa და Siri ვერ გაიგებენ თქვენი ხმის ტემბრს, მაგრამ ოთოს შეუძლია
• კალიფორნია არღვევს ღრმა ფეიქებს პოლიტიკისა და პორნოსთვის
• შეინახეთ ანონიმური ინტერნეტში ღრმა ფეიკის ტექნოლოგიით, რომელიც ქმნის სრულიად ახალ სახეს თქვენთვის