Sentèz lapawòl: Robo ki ka finalman eksprime emosyon

• otè:
• non otè

  Pwovizyon Quantumrun
• 29 Desanm 2022

Rezime Insight

Pandan ke diskou te pwodwi machin te alantou pou yon ti tan, se sèlman atravè devlopman nan rekonesans lapawòl ak jenerasyon ke li kòmanse son mwens robotik. Kèk konpayi kap itilize entèz vwa ak klonaj avansman pou pénétrer émotions (sa vle di, ton) nan machin ki te pwodwi diskou. Enplikasyon yo alontèm nan sentèz lapawòl ta ka gen ladan rkree vwa selebrite ak menm plis konvenk kontni deepfake.

Kontèks sentèz lapawòl

Se yon sous ki pa imen ki pwodui diskou sentetik (pa egzanp, yon òdinatè) pandan y ap re-kreye son yon vwa imen. Teknoloji sa a te egziste depi ane 1930 yo lè enjenyè acoustic Ameriken Homer Dudley te konstwi premye vocoder (sintetizè vwa). Piti piti, sistèm yo te kòmanse parèt ki te itilize Gaussian Mixture Models (GMM) pou amelyore kalite sentèz lapawòl, men se pa vitès la. Sepandan, pwogrè nan aprantisaj pwofon (DL, yon metòd aprantisaj machin) ak entèlijans atifisyèl (AI) te rafine teknoloji a pou pwodui konvèsasyon ki pi kredib ak natirèl. Sentèz lapawòl prensipalman sipòte pa de teknoloji rezo neral gwo twou san fon (DNN): tèks-a-lapawòl (TTS) ak konvèsyon vwa (VC). 

Tèks-a-lapawòl konvèti tèks an vwa, pandan y ap VC ka transfòme vwa yon moun pou imite vwa yon lòt. De DDN sa yo souvan itilize nan asistan vityèl, epi yo ka kreye vwa ak konvèsasyon plis nuans. Sentèz lapawòl ka kreye moun kap bay swen robo ki pi enfatik ak asistan lakay dijital ki pi entelijan. 

Sepandan, teknoloji vwa sentetik ka itilize tou pou atak cyber. Aktivite fwod sa yo kopye anprent vwa moun yo (echantiyon vwa ki estoke nimerik pou sèvi kòm idantifikasyon byometrik yo) pou enfiltre sistèm ak aparèy yo. Klonaj vwa ka twonpe kòlèg yo tou pou yo bay modpas yo ak lòt enfòmasyon sansib konpayi yo. Vwa yo vòlè oswa pwodwi yo ka itilize tou nan atak èskrokri kote moun yo twonpe pou yo voye lajan oswa transfere li nan kont labank espesifik.

Enpak deranje

An 2021, chèchè nan konpayi telekominikasyon Hitachi ak Inivèsite Japon an Tsukuba te devlope yon modèl AI ki ka imite lapawòl ki sanble ak moun, ki gen ladan diferan makè emosyonèl ki baze sou odyo. Diskou a vle di son tankou yon moun k ap bay swen pwofesyonèl. Modèl tankou sa a fèt pou yo itilize nan robo oswa aparèy ki ka ofri konpayi, sipò, ak direksyon pou moun ki bezwen li. Ekip la te anseye modèl AI li an premye bay li ak egzanp sou lapawòl emosyonèl.

Apre sa, yon rekonesans emosyon yo fòme pou idantifye santiman an, epi yo devlope yon modèl sentèz lapawòl pou kreye diskou emosyonèl. Rekonesans emosyon an ede gide sentèz lapawòl selon sa santiman oswa "emosyon sib" itilizatè a espere oswa bezwen tande. Chèchè yo te teste modèl yo sou pasyan granmoun aje yo, epi patisipan yo te vin pi enèjik pandan lajounen kòm rezilta. Anplis de sa, modèl la ka kalme pasyan yo ak kalme yo dòmi nan mitan lannwit.

Pandan se tan, sentèz vwa tou ap de pli zan pli itilize nan fim. Pou egzanp, pou kreye naratif vwa sentetik pou seri dokiman Netflix 2022, The Andy Warhol Diaries, konpayi dèlko vwa Resemble AI te anplwaye 3 minit ak 12 segonn anrejistreman vwa orijinal Warhol nan ane 1970 ak ane 80 yo. Teknoloji konpayi an te pèmèt vwa Warhol yo dwe rkree pou resite pwòp mo li nan jounal pèsonèl yo, kreye yon dokimantè immersion sis pati sou lavi li.

Ekip la te pran pwodiksyon vwa Warhol nan AI a e li te fè ajisteman pou emosyon ak ton. Yo te ajoute tou enpèfeksyon ki sanble ak moun lè yo fè referans ak klip odyo yon lòt oratè. Resemble AI repete ke anvan nenpòt pwojè klonaj vwa oswa sentèz, konpayi an toujou mande konsantman nan men pwopriyetè vwa yo oswa reprezantan legal yo. Pou seri a docu, konpayi an te jwenn pèmisyon Fondasyon Andy Warhol.

Enplikasyon nan sentèz lapawòl

Enplikasyon pi laj nan sentèz lapawòl ka gen ladan: 

• Konpayi medya yo itilize sentèz lapawòl pou re-kreye vwa selebrite ki mouri yo pou fim ak dokimantè. Sepandan, kèk odyans ka jwenn sa a immoral ak dekouraje.
• Ogmante ensidan sibèrkrim klonaj vwa, patikilyèman nan endistri sèvis finansye.
• Viv konpayi pòtrè ki itilize lapawòl sentetik pou pote penti pi popilè yo ak figi istorik yo bay lavi. Sèvis sa a atire espesyalman pou mize ak sektè edikasyon an.
• Sentèz lapawòl ke yo te itilize nan videyo deepfake pou gaye pwopagann ak fo akize moun, sitou jounalis ak aktivis.
• Plis konpayi demaraj ki konsantre sou klonaj vwa ak sèvis lapawòl sentetik, ki gen ladan selebrite ak enfliyans ki vle lwe vwa yo bay mak.
• Reyalite amelyore nan asistan vityèl ak jwèt entèaktif atravè sentèz lapawòl avanse, amelyore eksperyans itilizatè men ogmante enkyetid sou atachman emosyonèl ak AI.
• Adopsyon nan sentèz lapawòl nan sèvis kliyan otomatik, rasyonalize operasyon men potansyèlman mennen nan deplasman travay nan endistri a sant apèl.
• Ajans gouvènman yo itilize sentèz lapawòl pou anons sèvis piblik yo, ki pèmèt kominikasyon plizyè lang ak aksan espesifik men yo mande anpil sipèvizyon pou anpeche move itilizasyon oswa move enfòmasyon.

Kesyon yo konsidere

• Ki lòt benefis potansyèl ki genyen nan bots plis moun-sonnen?
• Ki lòt fason cybercriminals ka itilize sentèz lapawòl?