Veritone ต้องการ Deepfake Clone เสียงของคุณ

มี วิดีโอ ที่ปรากฏขึ้นเป็นระยะๆ บนฟีด YouTube ของฉัน เป็นการสนทนาระหว่างแร็ปเปอร์ Snoop Dogg และ 50 Cent คร่ำครวญถึงความจริงที่ว่า เมื่อเทียบกับรุ่นของพวกเขาแล้ว ศิลปินฮิปฮอปยุคใหม่ทุกคนก็ฟังดูเหมือนกัน “เมื่อบุคคลตัดสินใจที่จะเป็นตัวของตัวเอง พวกเขาจะเสนอสิ่งที่ไม่มีใครสามารถเป็นได้” 50 Cent กล่าว “ใช่แล้ว เพราะเมื่อคุณเป็นคุณแล้ว ใครจะเป็นคุณได้บ้างนอกจากคุณ” สนูปตอบกลับ

เมื่อวิดีโอถูกอัปโหลดในเดือนตุลาคม 2014 นั่นอาจเป็นเรื่องจริงในวงกว้าง แต่เพียงไม่กี่ปีต่อมามันก็ไม่ใช่อย่างแน่นอน ในโลกของการปลอมแปลงเสียง คุณสามารถฝึก A.I. ให้ฟังดูคล้ายกับบุคคลอื่นอย่างน่าขนลุกโดยป้อนคลังเสียงซึ่งประกอบด้วยข้อมูลคำพูดของพวกเขาหลายชั่วโมง ผลลัพธ์ก็คือ แม่นยำจนน่าตกใจ.

บุคคลสาธารณะเช่น แร็ปเปอร์ Jay-Z และนักจิตวิทยา Jordan Peterson ได้บ่นไปแล้วเกี่ยวกับผู้คนที่ยักยอกเสียงของตนโดยการสร้างเสียงที่ล้ำลึก จากนั้นทำให้พวกเขาพูดเรื่องไร้สาระบนอินเทอร์เน็ต "ตื่น," เขียนปีเตอร์สัน

. “ความศักดิ์สิทธิ์ของเสียงและภาพลักษณ์ของคุณกำลังตกอยู่ในความเสี่ยงร้ายแรง” นี่เป็นเพียงกรณีซุกซนเท่านั้น ในส่วนอื่นๆ ผลลัพธ์อาจพลิกไปสู่ความผิดทางอาญาที่ไม่มีนัยสำคัญ ใน เหตุการณ์หนึ่งในปี 2019อาชญากรใช้เสียงปลอมแปลงเพื่อเลียนแบบเสียงของ CEO ของบริษัทพลังงานแห่งหนึ่ง และชักชวนลูกน้องทางโทรศัพท์ให้โอนเงินจำนวน 243,000 ดอลลาร์เข้าบัญชีธนาคารอย่างเร่งด่วน

Veritone เอ.ไอ. บริษัทที่สร้างเครื่องมืออัจฉริยะสำหรับการติดฉลากสื่อสำหรับวงการบันเทิงคือ นำพลังเสียง Deepfake กลับมาอยู่ในมือ (หรือทำผิดพลาดในลำคอ) ของผู้ที่ได้รับอย่างถูกต้อง เป็นของ เดือนนี้บริษัทได้ประกาศ มาร์เวล.ไอซึ่งประธานบริษัท Ryan Steelberg อธิบายกับ Digital Trends ว่าเป็น "โซลูชันเสียงเป็นบริการที่สมบูรณ์แบบ" Veritone จะสร้าง A.I. โมเดลนั้น ฟังดูเหมือนคุณ (หรือน่าจะเป็นบุคคลที่มีชื่อเสียงและมีเสียงที่จดจำได้ทันที) ซึ่งสามารถขอใบอนุญาตให้ยืมได้เหมือนกับเวอร์ชันไฮเทคของ ของแอเรียล การต่อรองด้วยเสียงเป็นหลักประกัน จาก นางเงือกน้อย.

“เสียงของคุณมีคุณค่าพอๆ กับเนื้อหาหรือคุณลักษณะของแบรนด์อื่นๆ ที่คุณมี” สตีลเบิร์กกล่าว “[มันอยู่ในระดับเดียวกับ] ชื่อและความเหมือนของคุณ ใบหน้าของคุณ ลายเซ็นของคุณ หรือเพลงที่คุณเขียนหรือเนื้อหาที่คุณสร้างขึ้น”

“เราสามารถนำกลับมาใช้ใหม่ได้มาก”

แน่นอนว่าบุคคลบางคนขายเสียงของตนมายาวนานในรูปแบบของการบันทึกโฆษณาหรือการพากย์เสียง ร้องเพลง และสร้างรายได้ในรูปแบบอื่นๆ อีกนับไม่ถ้วน แต่ความพยายามเหล่านี้ล้วนทำให้บุคคลนั้นต้องพูดคำนั้นจริงๆ สิ่งที่โซลูชันของ Veritone สัญญาว่าจะทำคือทำให้สามารถปรับขนาดได้ทีละรายการ

จะเป็นอย่างไรหากเควิน ฮาร์ท มีสิทธิ์ใช้เสียงของเขากับแบรนด์หรูที่สามารถใช้เสียงดังกล่าวเพื่อสร้างโฆษณาที่ปรับตามโปรไฟล์ของผู้ใช้ได้ แสดงชื่อของผู้ชม ตำแหน่งของร้านขายหน้าร้านที่ใกล้ที่สุด และผลิตภัณฑ์เฉพาะเจาะจงที่พวกเขาน่าจะขายมากที่สุด ซื้อ? แทนที่จะใช้เวลาหลายวันในบูธบันทึกเสียง A.I. สามารถอนุญาตให้ทำสิ่งนี้ได้มากกว่านี้อีกเล็กน้อย (บน อย่างน้อยก็ในส่วนของฮาร์ท) มากกว่าการลงนามบนเส้นประเพื่อตกลงว่าเสียงของเขาจะถูกควบคุมโดยบุคคลที่สามดังกล่าว งานสังสรรค์. ในขณะที่เขาออกไปถ่ายภาพยนตร์ ออกทัวร์แสดงตลก ไปเที่ยวพักผ่อน หรือแม้แต่นอนหลับ เสียงดิจิทัลของเขาอาจกลายเป็นเงินสดได้

“เราสามารถนำกลับมาใช้ใหม่ได้มากมาย” สตีลเบิร์กอธิบายเกี่ยวกับกระบวนการฝึกอบรม “คนที่พูดเยอะอยู่แล้ว ไม่ว่าจะผลิตพอดแคสต์หรือออกสื่อ ก็จะมีข้อมูลมากมาย เราอาจมีมันอยู่มากมายหากพวกเขาเป็นลูกค้าของเรา”

Steelberg กล่าวว่าแนวคิดการใช้เสียงเป็นบริการเกิดขึ้นกับ Veritone เมื่อหลายปีก่อน อย่างไรก็ตาม ในเวลานั้นเขาไม่มั่นใจว่าโมเดลแมชชีนเลิร์นนิงจะสามารถสร้างเสียงสังเคราะห์ที่สมจริงเกินจริงที่เขากำลังมองหาได้ นี่เป็นสิ่งสำคัญอย่างยิ่งเมื่อพูดถึงเสียงที่เรารู้จักอย่างใกล้ชิด แม้ว่าเราจะไม่เคยพบกับผู้พูดที่เป็นปัญหาก็ตาม ผลลัพธ์อาจเป็นเช่นไรก็ได้ ได้ยิน หุบเขาอันน่าพิศวง ด้วยเสียงผิด ๆ คอยเตือนผู้ฟังว่าพวกเขากำลังฟังของปลอมอยู่ แต่ในปี 2021 เขามั่นใจว่าสิ่งต่างๆ ได้ก้าวหน้าไปถึงจุดที่สามารถทำได้แล้ว ดังนั้น Marvel.ai

Steelberg พูดด้วยคำศัพท์ที่น่าตื่นเต้นเกี่ยวกับศักยภาพมหาศาลของเทคโนโลยี โดยพูดถึง "รูปแบบการดำเนินการ" ที่เป็นไปได้มากมายเหลือเฟือ Veritone สามารถสร้างแบบจำลองสำหรับการอ่านออกเสียงข้อความ นอกจากนี้ยังสามารถสร้างแบบจำลองสำหรับการพูดเป็นคำพูด โดยที่นักพากย์สามารถ “ขับเคลื่อน” การแสดงเสียงร้องโดยการอ่าน คำที่มีการผันคำที่เหมาะสมแล้วมีเสียงที่เสร็จแล้วซ้อนทับในตอนท้ายเหมือน Snapchat กรอง. บริษัทยังสามารถพิมพ์ลายนิ้วมือแต่ละเสียงเพื่อให้สามารถบอกได้ว่าเสียงจริงที่ปรากฏขึ้นที่ใดที่หนึ่งนั้นถูกสร้างขึ้นโดยใช้เทคโนโลยีของตนหรือไม่

“ยิ่งคุณคิดถึงเรื่องนี้มากเท่าไร คุณจะพบกับ [กรณีการใช้งานที่เป็นไปได้] อีก 50 กรณีอย่างแท้จริง” เขากล่าว “สิ่งที่เราพบว่าน่าสนใจมากเกี่ยวกับหมวดหมู่ใหม่ของ A.I. คือความสามารถในการขยายและความแปรปรวน”

พิจารณาคนอื่นบ้าง นักกีฬาที่มีชื่อเสียงอาจเป็นพระเจ้าในสนามบาสเก็ตบอล แต่เป็นปีศาจเมื่อมาถึง การอ่านบรรทัดในสคริปต์ในลักษณะที่ฟังดูเป็นธรรมชาติ. การใช้เทคโนโลยีของ Veritone การมีส่วนร่วมของพวกเขาในฉากคัตซีนของวิดีโอเกม หรือการอ่านหนังสือเสียงบันทึกความทรงจำของพวกเขา (ซึ่งพวกเขา อาจไม่ได้เขียนด้วย) สามารถทำได้โดยนักพากย์ซึ่งจะถูกปรับแต่งแบบดิจิทัลให้เสียงเหมือน นักกีฬา. ความเป็นไปได้อีกอย่างหนึ่งคือ ภาพยนตร์สามารถแปลไปยังประเทศอื่นที่มีเสียงนักแสดงคนเดียวกันที่อ่านอยู่ได้ บทพูดเป็นภาษาฝรั่งเศส จีนกลาง หรือภาษาอื่นๆ แม้ว่านักแสดงจะไม่ได้พูดจริงๆ ก็ตาม พวกเขา.

ประชาชนจะมีปฏิกิริยาอย่างไร?

แน่นอนว่าคำถามสำคัญที่แขวนอยู่เหนือเรื่องทั้งหมดนี้ก็คือ ประชาชนจะตอบสนองต่อเรื่องทั้งหมดนี้อย่างไร นี่เป็นบิตที่ยุ่งยากและคาดเดาไม่ได้ คนดังในปัจจุบันต้องมีบทบาทที่ซับซ้อน: ทั้งร่างที่ใหญ่กว่าชีวิตควรค่าแก่การฉาบหน้าบนป้ายโฆษณาและยัง บุคคลที่เกี่ยวข้องที่มีปัญหาด้านความสัมพันธ์ ทวีตเกี่ยวกับการดูทีวีในชุดนอน และทำหน้าโง่เมื่อกินร้อน ซอส.

จะเกิดอะไรขึ้นเมื่อโฆษณาปรากฏซึ่งไม่เพียงแต่มีข้อความอ่านของคนดังเท่านั้น แต่ในกรณีที่เรารู้ว่าเป็นเช่นนั้น นักแสดงไม่เคยพูดประโยคเหล่านั้นจริงๆ แต่ใช้เสียงของพวกเขาโดยทางโปรแกรมเพื่อนำเราไปสู่เป้าหมาย โฆษณา? Steelberg กล่าวว่ามันแตกต่างเล็กน้อยกับการที่คนดังมอบการควบคุมโซเชียลมีเดียให้กับผู้จัดการบัญชีบุคคลที่สาม หากเราเห็นทวีตของ Taylor Swift เรารู้ว่าอาจไม่ใช่เทย์เลอร์เองที่แตะข้อความ โดยเฉพาะอย่างยิ่งหากเป็นการรับรองหรือเนื้อหาส่งเสริมการขาย

แต่เสียงนั้นแตกต่างออกไปตามความเป็นจริง เพราะมันเป็นเรื่องส่วนตัวมากกว่า โดยเฉพาะอย่างยิ่งถ้ามันมาพร้อมกับระดับของความเป็นส่วนตัว ซึ่งเป็นหนึ่งในกรณีการใช้งานที่สมเหตุสมผลที่สุด ความจริงก็คือ เมื่อพูดถึงผู้เขียนบท วิลเลียม โกลด์แมน ไม่มีใครรู้ว่ากระแสตอบรับของสาธารณชนจะเป็นอย่างไร แม่นยำเพราะไม่มีใครเคยทำสิ่งนี้มาก่อน

“มันจะรันสเปกตรัมใช่ไหม?” สตีลเบิร์กกล่าวว่า “[บางคน] จะพูดว่า ‘ฉันจะใช้เครื่องมือนี้สักหน่อยเพื่อเพิ่มวันของฉันเพื่อช่วยฉันประหยัดเวลา’ คนอื่นจะพูดเต็มปากว่า 'ฉันต้องการเสียงของฉันไปทุกที่เพื่อขยายแบรนด์ของฉัน และฉันจะอนุญาต ออก.'"

การคาดเดาที่ดีที่สุดของเขาคือการยอมรับจะเป็นกรณีไป “คุณต้องปรับตัวให้เข้ากับปฏิกิริยาของผู้ฟัง และถ้าคุณเห็นว่าสิ่งต่าง ๆ กำลังได้ผลหรือไม่ได้ผล” เขากล่าว “พวกเขาอาจจะรักมัน พวกเขาอาจพูดว่า 'คุณรู้อะไรไหม? ฉันชอบความจริงที่ว่าคุณเผยแพร่เนื้อหามากกว่า 10 เท่าหรือเนื้อหาส่วนตัวให้ฉันมากขึ้น แม้ว่าฉันจะรู้ว่าคุณใช้เนื้อหาสังเคราะห์เพื่อเพิ่มเนื้อหาก็ตาม ขอบคุณ ขอบคุณ.'"

คิดถึงอนาคต

ส่วนเรื่องอนาคตล่ะ? Steelberg กล่าวว่า "เราต้องการทำงานร่วมกับเอเจนซี่ที่มีพรสวรรค์รายใหญ่ทั้งหมด เราคิดว่าใครก็ตามที่อยู่ในธุรกิจสร้างรายได้จากแบรนด์ที่หายากควรคิดถึงกลยุทธ์ด้านเสียงของตน”

และอย่าคาดหวังว่ามันจะเกี่ยวกับเสียงเพียงอย่างเดียว “เรารู้สึกทึ่งกับศักยภาพของการใช้เนื้อหาสังเคราะห์มาโดยตลอดเพื่อขยาย เพิ่ม หรือทดแทนการผลิตเนื้อหารูปแบบเดิมบางรูปแบบโดยสิ้นเชิง” เขากล่าวต่อ “จงเป็นอย่างนั้นในแง่เสียง หรือในท้ายที่สุดในอนาคต ก ความรู้สึกวิดีโอ.”

ถูกต้อง: เมื่อเข้าสู่ตลาดในโลกของออดิโอดีพเฟคแล้ว Veritone วางแผนที่จะก้าวไปอีกขั้นหนึ่งและเข้าสู่โลกแห่ง อวตารเสมือนที่รับรู้ได้อย่างสมบูรณ์ ที่ทั้งเสียงและดูไม่แตกต่างจากแหล่งกำเนิด

ทันใดนั้นพวกนั้น โฆษณาส่วนบุคคลจาก รายงานผู้ถือหุ้นส่วนน้อย ฟังดูไม่เหมือนนิยายวิทยาศาสตร์มากนัก

คำแนะนำของบรรณาธิการ

• รางวัลเทคโนโลยีเพื่อการเปลี่ยนแปลงของ Digital Trends CES 2023
• ภายในสงครามที่ทวีความรุนแรงขึ้นอย่างรวดเร็วระหว่างเครื่องตรวจจับ Deepfakes และ Deepfake
• Alexa และ Siri ไม่เข้าใจน้ำเสียงของคุณ แต่ Oto เข้าใจได้
• แคลิฟอร์เนียกำลังปราบปราม Deepfakes ที่เกี่ยวข้องกับการเมืองและสื่อลามก
• ไม่เปิดเผยตัวตนทางออนไลน์ด้วยเทคโนโลยี Deepfake ที่สร้างใบหน้าใหม่ให้กับคุณ