Веритоне жели да дубоко лажно клонира ваш глас

Постоји видео који се повремено појављује на мом ИоуТубе фиду. То је разговор између репера Снуп Дога и 50 Цента који жале због чињенице да, у поређењу са њиховом генерацијом, сви модерни хип-хоп уметници очигледно звуче исто. „Када особа одлучи да буде своја, нуди нешто што нико други не може бити“, каже 50 Цент. „Да, јер када једном будеш ти – ко може бити ти осим тебе?“ Снооп одговара.

Када је видео постављен у октобру 2014, то је можда углавном било тачно. Али само неколико година касније сигурно није. У свету аудио лажирања, могуће је обучити А.И. да звучи сабласно слично другој особи тако што ће је хранити аудио корпусом који се састоји од сати њихових говорних података. Резултати су нервирајуће тачно.

Јавне личности попут репер Јаи-З и психолог Џордан Питерсон су се већ жалили на људе који су им присвајали гласове тако што су правили аудио лажне и онда их терали да говоре глупости на интернету. "Пробудити,"

написао је Петерсон. „Светост вашег гласа и имиџа су у озбиљном ризику. То су само несташни случајеви. У другим случајевима, резултати се могу преокренути у безнијансирани криминал. Ин један инцидент из 2019, криминалци су користили аудио факе како би имитирали глас извршног директора енергетске компаније и телефоном убедили подређеног да хитно пребаци 243.000 долара на банковни рачун.

Веритоне, АИ компанија која креира паметне алате за означавање медија за индустрију забаве, је враћање аудио-факе моћи назад у руке (или, ето, грла) оних којима је с правом припада. Овог месеца, објавила је компанија Марвел.аи, што је председник компаније Рајан Стилберг описао за Дигитал Трендс као „потпуно решење гласа као услуге“. Уз накнаду, Веритоне ће изградити А.И. модел који звучи баш као ви (или, што је вероватније, позната особа са одмах препознатљивим гласом), који се онда може издати на позајмицу као високотехнолошка верзија Ариел'с глас као колатерална погодба из Мала сирена.

„Ваш глас је једнако вредан као и сваки други садржај или атрибут бренда који имате“, рекао је Стилберг. „[То је на нивоу са] вашим именом и ликом, вашим лицем, вашим потписом или песмом коју сте написали или делом садржаја који сте креирали.

„Можемо много да променимо“

Одређени појединци су, наравно, дуго продавали своје гласове у облику снимања реклама или гласа, певања песама и безброј других облика монетизације. Али сви ови напори су захтевали од особе да заиста изговори речи. Оно што Веритоне-ово решење обећава је да ово учини индивидуално скалабилним.

Шта ако је, на пример, било могуће да Кевин Харт лиценцира свој глас луксузном бренду који би онда могао да га користи за креирање персонализованих огласа садржи име гледаоца, локацију њиховог најближег продајног места и конкретан производ за који би највероватније купити? Уместо да проведе буквално дане у кабини за снимање, А.И. могао би дозволити да се ово уради са мало више (укључено Хартов део, барем) него да се потпише испрекиданом линијом како би се сложио да његов глас буде упрегнут од стране поменутог трећег журка. Док је био на снимању филма, или на турнеји комедије, или на одмору, или чак спавао, његов дигитални глас би могао да прави новац.

„Можемо много тога да променимо“, објаснио је Стилберг у вези са процесом обуке. „Људи који већ говоре много, ако производе подкаст или у медијима, постоји много података. Вероватно већ имамо тону тога ако случајно буду наш купац."

Стилберг је рекао да је идеја о гласу као услузи пала на памет Веритонеу пре неколико година. Међутим, у то време није био убеђен да су модели машинског учења у стању да створе хиперреалистичне синтетичке гласове које је тражио. Ово је посебно важно када су у питању гласови које познајемо интимно, чак и ако никада нисмо срели дотичног говорника. Резултати би могли бити некакви звучни чудесна долина, са сваким погрешним звуком који упозорава слушаоце на чињеницу да слушају лажно. Али овде 2021. године он је уверен да су ствари напредовале до тачке у којој је то сада могуће. Отуда Марвел.аи.

Стилберг узбуђеним речима говори о огромном потенцијалу технологије, говорећи о њеном могућем обиљу „модалитета извршења“. Веритоне може да креира моделе за претварање текста у говор. Такође може да изгради моделе за претварање говора у говор, при чему гласовни глумац може да „покреће“ вокалну изведбу читањем речи са одговарајућом флексијом, а затим преклапање готовог гласа на крају попут Снепцхата филтер. Компанија такође може да узме отисак сваког гласа како би могла да утврди да ли је део очигледно стварног звука који се појави негде креиран помоћу њене технологије.

„Што више размишљате о томе... буквално ћете смислити још 50 [могућих случајева употребе]“, рекао је он. „Оно што сматрамо тако фасцинантним у овој новој категорији А.И. је проширивост и варијабилност.”

Размотрите неке друге. Познати спортиста може бити бог на кошаркашком терену, али ђаво када је у питању читање редова у писму на начин који звучи природно. Користећи Веритонеову технологију, њихов удео у сценама видео игара или читање аудио књиге својих мемоара (које су можда и није написао) може да изведе гласовни глумац, који се затим дигитално подешава да звучи као Атлета. Као друга могућност, филм би могао бити преведен за друге земље са истим глумачким гласом који сада чита ретке на француском, мандаринском или било ком другом од бројних језика, чак и ако глумац заправо не говори њих.

Како ће реаговати јавност?

Велико питање које виси над свим овим је, наравно, како ће грађани на све то реаговати. Ово је лукав, непредвидив део. Славне личности данас морају да играју сложену улогу: обе фигуре веће од живота вредне да им се лице залепи на билборде, а такође и блиске особе које имају проблема у вези, твитују о гледању телевизије у пиџамама и праве блесаве фаце када једу вруће сос.

Шта се онда дешава када се појаве огласи који не само да садрже славну личност која чита редове, већ и у случајевима када знамо да је то речено извођач никада није изговорио те редове, већ је њихов глас програмски искоришћен да нам доведе до циља оглас? Стилберг је рекао да је мало другачије да славна особа преда контролу над својим друштвеним медијима менаџеру налога треће стране. Ако видимо твит Тејлор Свифт, знамо да је сасвим могуће да Тејлор сама не искуцава поруку, посебно ако је то препорука или део промотивног садржаја.

Али глас је, на врло стваран начин, другачији, управо зато што је личнији. Поготово ако је праћен степеном персонализације, што је један од случајева употребе који има највише смисла. Истина је да, да цитирам сценаристе Вилијама Голдмана, нико не зна какав ће бити одјек јавности — управо зато што то нико раније није урадио.

„То ће проћи кроз спектар, зар не?“ рекао је Стилберг. „[Неки] људи ће рећи: ’Искористићу ову алатку мало да продужим свој дан и да ми помогне да уштедим време.’ Други ће рећи потпуно: „Желим да мој глас свуда прошири свој бренд, и ја ћу га лиценцирати напоље.’”

Његова најбоља претпоставка је да ће прихватање бити од случаја до случаја. „Морате да будете у складу са реакцијом ваше публике и ако видите да ствари функционишу или не раде“, рекао је он. „Можда им се свиђа. Они могу рећи: „Знаш шта? Свиђа ми се чињеница да ми објављујете 10 пута више садржаја или више личног садржаја, иако знам да сте користили синтетички садржај да бисте га повећали. Хвала вам. Хвала вам.'"

Размислите о будућности

Што се тиче будућности? Стилберг је рекао да „Желимо да радимо са свим главним агенцијама за таленте. Мислимо да би свако ко се бави зарадом око оскудног бренда требао размишљати о својој гласовној стратегији.”

И немојте очекивати да ће то остати искључиво у вези са звуком. „Увек смо били фасцинирани потенцијалом коришћења синтетичког садржаја да бисмо проширили, повећали или потенцијално потпуно заменили неке од застарелих облика производње садржаја“, наставио је. „Било то у аудио смислу или, на крају крајева, у будућности, а видео смисао.”

Тако је: када зароби тржиште у свету аудио факе, Веритоне планира да оде корак даље и уђе у свет потпуно реализовани виртуелни аватари да и звуче и изгледају неразлучиво од свог извора.

Одједном оне персонализовани огласи од Извештај о мањинама звучи много мање као научна фантастика.

Препоруке уредника

• Дигитал Трендс’ Тецх Фор Цханге ЦЕС 2023 награде
• Унутар брзо ескалирајућег рата између деепфаке-а и деепфаке детектора
• Алека и Сири не могу да разумеју тон вашег гласа, али Ото може
• Калифорнија се обрачунава са дубоким лажњацима за политику и порнографију
• Останите анонимни на мрежи помоћу деепфаке технологије која ствара потпуно ново лице за вас