Projekt Gucciberg: Deepfaked Audiobooki od Gucci Mane

„Gucci Mane jest szalony, mógłbym podjechać na zebrę, wylądować na orle i zapalić skręta z rafy”.

To tekst Gucci Mane’a z jego utworu „It’s Gucci Time” z 2010 roku z albumu Apel: najbardziej poszukiwany w Gruzji.

„Jest prawdą powszechnie uznawaną, że samotny człowiek posiadający szczęście musi potrzebować... żona." To także teraz bar Gucci, choć pierwotnie napisany przez Jane Austen w jej powieści o manierach z 1813 roku, Duma i uprzedzenie, chociaż Gucci nasyca go poziomem trap rapowego szaleństwa, który nie do końca pojawia się w innych odczytaniach klasycznego angielskiego tekstu. (Dla porównania góra Słyszalny wpis do tej samej powieści czyta Rosamund Pike, supergwiazda rapu, która zdecydowanie nie jest pułapką.)

Jak się okazuje, Gucci był zajęty – nawet bardziej zajęty niż w latach 2010–2015, kiedy wydawał składanki w zawrotnym tempie mniej więcej jednego miesięcznie. Dziś 41-letni raper zadebiutował jako czytający siebie czytający zbiór klasycznych powieści pod nieco genialnym tytułem „

Projekt Gucciberg.” Kilka powieści obejmuje Alicja w krainie czarów, Małe Kobiety, Skromna propozycja, Dracula, I Znaczenie bycia poważnym.

Tylko że tego nie zrobił. Cóż, niezupełnie.

To więcej deepfake magia dźwięku, tym razem dzięki uprzejmości ludzi z nowojorskiego kolektywu sztuki cyfrowej MSCHF. Świeżo po ostatnim projekcie — w którym oni przyczepił pistolet do paintballa do jednego z robotów Spot firmy Boston Dynamicsi umożliwił użytkownikom zdalne sterowanie nim przez Internet — zespół użyczył swojemu naciskającemu przyciskowi, znającemu się na technologii markowi żartownisia i lekceważącego szacunku projekt, w którym urodzony raper Radric Delantic Davis sam jest zdalnie sterowany (przynajmniej tak mówią jego słowa), aby opowiadać mnóstwo starych powieści.

Geniusze zła

Daniel Greenberg z MSCHF powiedział Digital Trends: „Gucci Mane to jeden z najbardziej wpływowych muzyków w historii rapu. Projekt Gutenberg to jeden z ostatnich bastionów tekstów należących do domeny publicznej w Internecie. Łącząc te dwie rzeczy, wykorzystując moc A.I. technologii, stworzyliśmy najbardziej wpływowe audiobooki czytane przez raperów należące do domeny publicznej w historii Internetu”.

Aby stworzyć swoją (całkowicie nieautoryzowaną) kochającą literaturę A.I. rapera, zespół przygotował zestaw danych szkoleniowych obejmujący około sześciu godzin Przemówienie Gucciego zaczerpnięte z wywiadów, podcastów i innych publicznie dostępnych materiałów audio, z których udało im się zdobyć Youtube. Ten materiał źródłowy został następnie zredagowany, przycięty do 10-sekundowych segmentów, poddany korekcji, transkrypcji i opatrzony etykietą.

„Dodatkowo nasz zespół stworzył klucz/słownik wymowy Gucci, aby lepiej uchwycić specyfikę konkretnej argumentacji Gucci Mane’a” – powiedział Greenberg. Dodał: „Poważnie, to jest odpowiednik tezy lingwistycznej”.

Zbiór danych wykorzystano następnie do szkolenia sztucznej inteligencji. Modelka wielokrotnie masowana dzięki czemu poprawiła się wyjście, a następnie uzupełnione ludzkimi akcentami, aby dodać uroku jak ciążowe pauzy w tekście wymagany.

„Może to brzmieć, jakby Gucci mówił czasami do zepsutego mikrofonu lub przez zły strumień audio, ponieważ występował w wielu naszych materiałach źródłowych” – przyznał Greenberg. „Jednakże, pomijając te czynniki środowiskowe, uważamy, że faktyczna emulacja głosu jest niezwykle skuteczna. To zarówno niesamowite, jak i przerażające, jak dobra jest ta technologia, dzięki której każdy może powiedzieć, co chce”.

Prawdziwy Gucci Mane nie odpowiedział na prośbę o komentarz. Jednakże, jak przyznał Greenberg, jest to coś w rodzaju „szarej strefy”, jeśli chodzi o prawa autorskie. „Konsekwencje deepfakes dotyczące praw autorskich nie zostały jeszcze uregulowane” – stwierdził. „Wszystkie próbki audio, na których trenowaliśmy nasz model, były publicznie dostępne w drodze wywiadów. W ostatecznym rozrachunku mamy głos, który nie należy do nas, czytamy teksty należące do domeny publicznej, których nie napisaliśmy, ale tworzymy „własne” audiobooki”.

Deepfake-A-Thon

W ubiegłym roku agencja rozrywkowa Roc Nation LLC należąca do Jay’a Z miał problem z deepfakerem audio który użył głosu rapera do wygłaszania bełkotu niczym kopiapasta Navy Seal na YouTube. Była to, jak wtedy zauważyłem, nie lada zagadka dla rapera, który kiedyś rapował wers „Samplowałem twój głos, źle go użyłeś” podczas swojej kłótni z Nasem na początku XXI wieku. Ale Roc Nation nie wdawał się w ironiczną złożoność sprawy. Byli po prostu zirytowani faktem, że ktoś „bezprawnie [używał] sztucznej inteligencji”. podszywać się pod głos naszego klienta.”

Nietrudno zrozumieć, dlaczego coś takiego może niepokoić artystę. Jak wizualne deepfakes umieszczających aktorów w filmach, w których nigdy nie wystąpili (lub, jak ma to miejsce, w filmach). ostatnio robią obchód, Tom Cruise w serii hiperaktywnych filmów na TikToku), dźwiękowa fałszywka artysty czerpie z niego to, co najlepsze cenny zasób – w tym przypadku ich głos – i wykorzystuje go do stworzenia czegoś, na co nigdy nie zgodzili się wykonać W. W grę wchodzą zarówno kwestie etyczne, jak i finansowe.

„Historia rapu to historia odniesień do samego siebie” – utrzymywał Greenberg. „W całym kanonie tradycji, w całym dorobku danego wykonawcy. Kiedy zaglądasz pod maskę AI. modelu uczenia się zachodzi niesamowicie podobny proces – rodzaj hiperodniesienia do samego siebie. Choć może się to wydawać niejasne, wszystko to całkiem ładnie się ze sobą łączy.

Czy powinniśmy się martwić ryzykiem deepfake’ów audio w świecie, w którym rzeczywistość i fałszywość mogą być zamazane w zaskakującym stopniu?

„Absolutnie, ale alarm nie powstrzyma deepfake’ów od stania się coraz bardziej mainstreamowym” – powiedział. „Ta technologia pozostanie na stałe — powinniśmy mieć szczęście, jeśli będziemy jej kiedykolwiek używać wyłącznie do zabawy. Może robienie z nim fajnych rzeczy pomoże nam utrzymać się w tym świecie. Dotarliśmy do punktu zwrotnego, w którym w Internecie nie da się rozróżnić prawdy od fikcji. W związku z tym zdaliśmy sobie sprawę, że niezwykle ważne jest, aby ukoić nasze uszy delikatnym głosem czytającym Gucci Mane generowanym przez sztuczną inteligencję”.

Gdy rozbrzmiewają syrenie pieśni, które wprowadzą nas na skały Skynetu, może Gucci nie jest taki zły, jak się okazuje. Zwłaszcza jeśli mógłby to być Gucci z 2009 roku, około Państwo kontra Radrica Davisa.

Zalecenia redaktorów

• Ten startup chce sklonować Twój głos i sprzedać go temu, kto zaoferuje najwyższą cenę
• Czy deepfakes są niebezpieczną technologią? Twórcy i organy regulacyjne nie zgadzają się z tym