Polski startup o nazwie Elevenlabs odkrywa nowe granice sztucznej inteligencji głosowej i zyskał sławę we wrześniu ubiegłego roku, kiedy opublikował na YouTube krótki film przedstawiający Leonardo DiCaprio przemawiającego na scenie podczas Szczytu Klimatycznego ONZ.
Jedenaście labów/YouTube
Polski start-up zachwyca świat technologii „głęboko fałszywym” narzędziem do klonowania głosu, które może imitować „pełen zakres ludzkich emocji” za pomocą dowolnego głosu.
Opracowane przez Piotra Dąbkowskiego, byłego inżyniera systemów uczących się Google i Mati Staniszewskiego, byłego specjalistę ds. strategii wdrożeniowej Palantir, Elevenlabs opracowuje zarówno syntezę mowy, jak i klonowanie głosu, które są w stanie odtworzyć ludzki głos i każdy akcent, „polegając na wysokiej kompresji”. i zrozumienie kontekstu, aby uczynić ludzki język niezwykle realistycznym”.
Przełomowa technologia jest pomysłem Piotra Dąbkowskiego, byłego inżyniera systemów uczących się w Google, i Matiego Staniszewskiego, byłego specjalisty ds. strategii wdrożeniowej Palantir.
Mając nadzieję, że jego narzędzia naśladowcze przejmą synchronizację kin i audiobooków i w ten sposób przekształcą swój startup w spółkę wartą miliard dolarów, czeska firma venture capital Credo ogłosiła w zeszłym miesiącu, że zebrała rundę przed-zalążkową o wartości 2 milionów dolarów kierować do firmy.
Startup zyskał rozgłos we wrześniu ubiegłego roku, kiedy zamieścił na YouTube krótki film przedstawiający Leonardo DiCaprio przemawiającego na scenie podczas Szczytu Klimatycznego ONZ.
https://www.youtube.com/watch?v=17_xLsqny9E
Po pierwszych czterech sekundach zaczyna mówić głosem znanych osób, takich jak Joe Rogan, Steve Jobs, Robert Downey Jr., Bill Gates i Kim Kardashian, doskonale naśladując ich wzorce mowy, ton i emocje.
Technologia ta nie jest jednak pozbawiona kontrowersji.
Kontrowersje: Trolle internetowe wykorzystały tę technologię do stworzenia generowanego komputerowo głosu, który brzmiał jak Emma Watson czytająca wersety z Mein Kampf.
Wysoka jakość sklonowanych głosów i pozorna łatwość, z jaką zostały opracowane, sprawiły, że wiele osób obawia się potencjalnego zagrożenia związanego z fałszywymi klipami audio.
Niedawno trolle internetowe z anonimowej witryny z obrazami 4chan wykorzystały ElevenLabs do stworzenia fałszywych głosów Emmy Watson, Joe Rogana i innych osób, które wypowiadały treści rasistowskie, transfobiczne i brutalne.
Firma opracowuje zarówno syntezę mowy, jak i klonowanie głosu, które będą w stanie odtworzyć ludzki głos i dowolny akcent, „polegając na wysokiej kompresji i zrozumieniu kontekstu, aby renderować ludzką mowę w ultrarealistyczny sposób”.
W przesłanych filmach słychać generowany komputerowo głos, który brzmi, jakby Emma Watson czytała tekst z „Mein Kampf”.
W innym przypadku osoba, której ton jest uderzająco podobny do tonu Bena Shapiro, atakuje Alexandrię Ocasio-Cortez z powodów rasistowskich.
Firma analizuje obecnie dodatkowe środki ochronne dotyczące swojej technologii. Obejmuje to ręczne przeglądanie każdego żądania klonowania głosu lub żądanie informacji o płatności lub „pełnej identyfikacji identyfikacyjnej” przed rozpoczęciem procesu klonowania.
Mając nadzieję, że jego narzędzia naśladowcze przejmą synchronizację kin i audiobooków i w ten sposób przekształcą swój startup w spółkę wartą miliard dolarów, czeska firma venture capital Credo ogłosiła w zeszłym miesiącu, że zebrała rundę przed-zalążkową o wartości 2 milionów dolarów kierować do firmy.
Tymczasem krótkoterminowym celem startupu jest, aby jego usługi działały we wszystkich językach.
Firma chce, aby w przyszłości całą transmisję dźwięku obsługiwali nie aktorzy czy aktorzy głosowi, ale inteligentne boty.
Firma chce także opracować narzędzia do syntezy mowy, które błyskawicznie konwertują mowę na dowolny język.
Witold Gombrowicz jest autorem publikującym na portalu humanmag.pl, gdzie porusza tematy związane z aktualnościami, polityką, biznesem, technologią, sportem, rozrywką i stylem życia. Skupia się na przejrzystym przedstawianiu faktów, dostarczaniu użytecznych informacji oraz opisywaniu wydarzeń i historii istotnych dla czytelników w rzetelny i przystępny sposób.