Компания Microsoft объявила о создании инструмента для имитации любого голоса. Модель разработанного искусственного интеллекта названа VALL-E.
Чтобы скопировать голос, VALL-E потребуется его запись продолжительностью всего в три секунды. Помимо сохранения вокального тембра и эмоций говорящего, нейросеть может имитировать и «акустическое окружение» – например, будто речь звучит как при телефонном звонке. Технология основана на алгоритме EnCodec и прошла обучение на 60 тыс. часов аудиозаписей речи более чем 7 тыс. уникальных носителей английского языка.
Microsoft на GitHub предоставила несколько примеров работы VALL-E. Но в открытом доступе технологии пока нет. Компания считает, что может быть риск неправильного использования модели мошенниками – например, они могут обмануть системы идентификации личности или выдать себя за авторитетную публичную фигуру с целью ее дискредитации.
Комментарии