વૉઇસ ક્લોનિંગ: શું વૉઇસ-એ-એ-સર્વિસ નવું નફાકારક બિઝનેસ મોડલ છે?

• લેખક:
• લેખક નામ

  ક્વોન્ટમરુન અગમચેતી
• સપ્ટેમ્બર 8, 2022

આંતરદૃષ્ટિનો સારાંશ

સિન્થેટિક વૉઇસ ટેક્નૉલૉજી એ રેકોર્ડ કરેલા ઑડિયોને એકસાથે બનાવવાથી લઈને કન્વિન્સિંગ વૉઇસ ક્લોન્સ બનાવવા માટે AIનો ઉપયોગ કરીને વિકસિત થઈ છે. આ ટેક્નોલોજી, કોઈપણને સરળ સાધનો વડે અવાજને ક્લોન કરવા સક્ષમ બનાવે છે, તે મનોરંજનમાં આકર્ષણ મેળવી રહી છે પરંતુ નૈતિક અને સુરક્ષાની ચિંતાઓ ઊભી કરે છે. તેની વ્યાપક એપ્લિકેશન, વ્યક્તિગત ઉપયોગથી લઈને સેલિબ્રિટી વૉઇસ ભાડા સુધી, ઓળખની ચોરી અને દુરુપયોગ જેવા જોખમો સાથે જોડાયેલી છે, જે નિયમો અને સાયબર સુરક્ષા પ્રગતિની જરૂરિયાતને પ્રકાશિત કરે છે.

વૉઇસ ક્લોનિંગ સંદર્ભ

કૃત્રિમ અવાજો એક સમયે માનવ અવાજોને રેકોર્ડ કરીને, તેમને નાના ઓડિયો ઘટકોમાં તોડીને અને તેમને એકસાથે વિભાજીત કરીને બનાવવામાં આવતા હતા. 2022 સુધીમાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સ અને મશીન લર્નિંગ (AI/ML) એ અવાજને સચોટ અને ખાતરીપૂર્વક ક્લોન કરવાનું શક્ય બનાવ્યું છે. જ્યારે આ સફળતા મનોરંજન ઉદ્યોગ માટે ફાયદા ધરાવે છે, ત્યારે તેની નૈતિક અસરો પણ છે.

વૉઇસને ક્લોન કરવું મુશ્કેલ લાગે છે, પરંતુ માત્ર માઇક્રોફોન, સ્ક્રિપ્ટ અને 30 મિનિટની જરૂર છે. જે વ્યક્તિ તેમના અવાજને ક્લોન કરવા માંગે છે તે તેમની રેકોર્ડ કરેલી ઑડિઓ ફાઇલોને પ્રક્રિયા કરવા માટે મોકલી શકે છે અને થોડા કલાકોમાં, તેમનો અવાજ ડાઉનલોડ કરવા માટે ઉપલબ્ધ છે. પછી, ચેટબોક્સનો ઉપયોગ કરીને, તેઓ કોઈપણ ભાષામાં કંઈપણ લખી શકે છે, અને તેમની AI પ્રતિકૃતિ તેને પુનરાવર્તિત કરશે. વૉઇસ ક્લોનિંગ વિશ્વાસપાત્ર ઑડિયો પ્રદાન કરી શકે છે જે મિત્રો અને કુટુંબીજનો પણ માને છે. 

ઉપરોક્ત સમગ્ર પ્રક્રિયા મશીન લર્નિંગ દ્વારા શક્ય બને છે જેણે ભાષણ સંશ્લેષણના ક્ષેત્રમાં નાટ્યાત્મક રીતે આગળ વધ્યું છે. અને 2025 સુધીમાં, સેલિબ્રિટીઓ માટે વિવિધ સેવાઓ માટે તેમના ક્લોન કરેલા અવાજો વેચવા અથવા ભાડે આપવા સામાન્ય બની શકે છે. વેરિટોન 2021 માં આવી સેવા પૂરી પાડનાર પ્રથમ કંપનીઓમાંની એક હતી, જેણે પ્રભાવકો, રમતવીરો અને અભિનેતાઓને તેમના AI-ક્લોન કરેલા અવાજોને સ્ટુડિયોમાં જવાની જરૂર વગર સમર્થન માટે લાયસન્સ આપવાની મંજૂરી આપી હતી.

વિક્ષેપકારક અસર

AI-જનરેટેડ વિડિયો જેવી અત્યાધુનિક ડિજિટલ ક્લોનિંગ ટેક્નૉલોજી વિશે જાહેર ચર્ચા સિમ્યુલેટેડ ઑડિયો સાથે ડિપ-ટુ-ડિટેક્ટ ડીપફેક્સ અને ખોટી માહિતી અને રાજકીય વિભાજન ફેલાવવાની તેમની સંભવિતતા પર ધ્યાન કેન્દ્રિત કરવા માટે વપરાય છે. જો કે, વૉઇસ ક્લોનિંગ ટેક્નોલોજીમાં જોખમો અને વિવાદોનો હિસ્સો છે. 

2021ની ડોક્યુમેન્ટ્રી રોડરનર માટે મૃત રસોઇયા એન્થોની બૉર્ડેનના અવાજનો ઉપયોગ સૌથી હાઇ-પ્રોફાઇલ એપ્લિકેશન્સમાંની એક હતી. દર્શકો આઘાત પામ્યા હતા, પહેલા 'નકલી' ઓડિયોના ઉપયોગથી, પછી દિગ્દર્શક દ્વારા નૈતિક ચિંતાઓની દેખીતી રીતે બરતરફી દ્વારા. દર્શકોએ પોતાનો ગુસ્સો ઓનલાઈન વ્યક્ત કર્યો હતો. વિટનેસ (માનવ અધિકારો માટે વિડિયો ટેક્નોલોજીનો ઉપયોગ કરવા પર કામ કરતી બિનનફાકારક સંસ્થા)ના પ્રોગ્રામ ડિરેક્ટર સેમ ગ્રેગરીએ જણાવ્યું હતું કે વૉઇસ ક્લોનિંગ એન્થોની બૉર્ડેનની અસ્વસ્થતાપૂર્ણ પ્રતિક્રિયાઓ જાહેરાત અને સંમતિ વિશે લોકોની અપેક્ષાઓને પ્રતિબિંબિત કરે છે. ગ્રેગરીએ નોંધ્યું હતું કે સંમતિ મેળવવી અને પ્રેક્ષકો સમક્ષ વૉઇસ ક્લોનિંગ પાછળની ટેક્નોલોજી જાહેર કરવી એ આગળ વધવું આવશ્યક છે. 

વૉઇસ ક્લોનિંગ ટેક્નોલોજીના સંભવિત જોખમો વિશે પણ ચિંતાઓ છે. 2019 માં, વોલ સ્ટ્રીટ જર્નલે એક ફોજદારી કેસ નોંધ્યો હતો જેમાં વૉઇસ ક્લોનિંગ સામેલ હતું. એક બિઝનેસ મેનેજરને તેના બોસના અવાજની ક્લોન કરેલી નકલનો ઉપયોગ કરનારા ગુનેગારોને $260,000 USD ટ્રાન્સફર કરવામાં છેતરવામાં આવ્યો હતો. 

વૉઇસ ક્લોનિંગની અસરો

વૉઇસ ક્લોનિંગની વ્યાપક અસરોમાં નીચેનાનો સમાવેશ થઈ શકે છે: 

• વૉઇસ ક્લોનિંગ એપ્લિકેશન્સનો ઉદય કે જે કોઈપણ ડાઉનલોડ અને ઉપયોગ કરી શકે છે.
• પોડકાસ્ટ, ઓડિયોબુક્સ અને મેડિટેશન એપ્સ જેવી વિવિધ સામગ્રી માટે સેલિબ્રિટીઓ તેમના અવાજો ભાડે આપે છે.
• વિડિયો ગેમ્સ અને મૂવી ડબિંગ જેવા મનોરંજનના હેતુઓ માટે વૉઇસ ક્લોનિંગ ટેક્નૉલૉજીમાં રોકાણમાં વધારો.
• ક્લોન કરેલા વૉઇસ રેકોર્ડિંગની ઑનલાઇન સ્ટોરેજ સિસ્ટમને હેક કરી રહેલા સાયબર અપરાધીઓ. 
• સાયબર સિક્યુરિટી કંપનીઓ વૉઇસ ક્લોનિંગ સેવા પ્રદાતાઓ માટે વિશિષ્ટ ઉકેલો વિકસાવી રહી છે.
• ગેરકાયદેસર પ્રવૃત્તિઓ સામે લોકો અને તેમના અવાજોને સુરક્ષિત રાખવા માટે સરકારો નીતિઓ અને નિયમો બનાવે છે.

ધ્યાનમાં લેવાના પ્રશ્નો

• જો પરવાનગી વિના અવાજનું ક્લોન કરવામાં આવે તો તમે કયા સંભવિત ગુનાઓ વિશે વિચારી શકો છો?
• વૉઇસ ક્લોનિંગ મનોરંજન અને વ્યવસાય ઉદ્યોગોને અન્ય કેવી રીતે અસર કરી શકે છે?