فیلم/ ساخت برنامه‌ای مبتنی بر هوش مصنوعی و فناوری «دیپ‌ فیک» برای تقلید صدا

به گزارش ایسنا به نقل از فرست نیوز،  یک استارت آپ لهستانی با یک برنامه «دیپ فیک» (Deep fake) شبیه سازی صدا که میتواند همه طیف احساسات انسان را با استفاده از هر صدایی تقلید کند، جهان فناوری را شگفت زده کرده است.

استارت آپ «ایلون لبز» (Elevenlabs) که زاییده فکر «پیوتر دابکوفسکی» (Piotr Dąbkowski)، مهندس سابق یادگیری ماشینی «گوگل» و «ماتی استانیسفسکی» (Mati Staniszewski)، استراتژیست سابق شرکت« پالانتیر»( Palantir) است، هم به تقلید گفتار و هم به شبيه سازي صدا می پردازد و می تواند با تکیه بر فشرده سازی و درک زمینه ای برای ارائه گفتار انسان به صورت فوق واقعی، صدای انسان و هر لهجه ای را تکرار کند.

«انجمن سهام خصوصی و سرمایه خطرپذیر چک» (CVCA) به امید این که سیستم تقلید صدای «ایلِوِن لبز» (ElevenLabs) بتواند دوبله سینما و کتاب های صوتی را تصاحب کند و استارت آپ خود را به یک شرکت میلیارد دلاری تبدیل سازد، ماه گذشته اعلام‌کرد که سرپرستی یک دور پیش فروش دو میلیون دلاری را برای این استارت آپ بر عهده خواهد گرفت.

استارت آپ ایلون لبز در سپتامبر سال گذشته، با انتشار یک ویدیوی کوتاه در یوتیوب که «لئوناردو دی کاپریو» (Leonardo DiCaprio)، بازیگر آمریکایی را در حال سخنرانی در اجلاس آب و هوای سازمان ملل نشان می داد، مورد توجه قرار گرفت.

پس از چهار ثانیه نخست این ویدئو، دی کاپریو شروع به صحبت کردن با صدای افراد مشهوری مانند «جو روگان» (Joe Rogan)، هنرپیشه و پادکست ساز آمریکایی،« استیو جابز»( Steve Jobs)، بنیان گذار شرکت «اپل»، «رابرت داونی جونیور» (Robert Downey Jr)، بازیگر آمریکایی، «بیل گیتس» (Bill Gates)، بنیان گذار شرکت «مایکروسافت» و «کیم کارداشیان» (Kim Kardashian)، شخصیت تلویزیونی آمریکایی می کند و به خوبی به تقلید از الگوی گفتار، لحن صدا و احساسات هر یک می پردازد.

در هر حال، این فناوری بدون بحث و مخالفت نیست. کیفیت بالای صداهای شبیه سازی شده موجب شده است که بسياري از مردم در مورد تهدید احتمالی کلیپ های صوتی دیپ فیک محتاط باشند.

اخیرا ترول های اینترنتی (Troll) در وبسایت «۴چن» (۴chan)، از برنامه ایلون لبز برای ساختن صداهای دروغین «اما واتسون» (Emma Watson)، بازیگر آمریکایی، جو روگان و دیگران استفاده کردند که سخنان نژادپرستانه و خشونت آمیز می گفتند.

این استارت آپ اکنون در حال بررسی بکار گرفتن محافظت بیشتر در مورد فناوری خود است. این موارد شامل تأیید دستی هر درخواست شبیه سازی صوتی یا نیاز به اطلاعات پرداخت و شناسایی کامل هویت، پیش از آغاز فرآیند شبیه سازی هستند.

هدف کوتاه مدت ایلون لبز این است که خدمات آن برای همه زبان ها کارآیی داشته باشند. این استارت آپ می خواهد که در آینده، تمام صداها نه توسط بازیگران یا صداپیشگان، بلکه توسط ربات های هوشمند مدیریت شوند. همچنین، الون لبز می خواهد برنامه های تولید گفتار را توسعه دهد که گفتار را فورا به هر زبانی تبدیل می کنند.