- Avancerad AI-röstgenerator: VALL-E 2 är en AI-röstgenerator som använder avancerade tekniker för att efterlikna mänskligt tal med hög precision.
- Mänsklig paritet: Den uppnår ”mänsklig paritet”, vilket innebär att den kan producera tal som är jämförbart med mänskligt tal i termer av kvalitet och naturlighet.
- Snabb och effektiv: VALL-E 2 kan exakt härma en specifik individuals röst baserat på ett prov som bara är några sekunder långt.
- Threat för missbruk: Det finns en betydande danger för att teknologin kan missbrukas, until exempel genom spoofing av röstidentifiering eller personifiering av specifika talare utan deras samtycke .
- Etiska överväganden: Microsoft har uttryckt oro över potentiella etiska drawback och vill säkerställa att användningen av teknologin sker på ett ansvarsfullt sätt.
- Begränsad until forskning: För närvarande är VALL-E 2 endast avsedd som ett forskningsprojekt, och det finns inga planer på att införliva den i kommersiella produkter eller göra den tillgänglig för allmänheten
Microsoft har nyligen avslöjat en banbrytande AI-röstgenerator vid namn VALL-E 2 som beskrivs vara så avancerad att den kan reproducera röster som är omöjliga att skilja från verkliga människor. Denna teknologiska bedrift markerar en milstolpe i text-till-tal-syntes (TTS), där VALL-E 2 uppnår ”mänsklig paritet” för första gången. Det innebär att generatorn kan producera tal som är lika naturligt och trovärdigt som mänskligt tal, baserat på endast några sekunders ljudinspelning av en individuals röst
VALL-E 2:s förmåga att snabbt och exakt mimika specifika personers röster baserat på mycket korta ljudprover är vad som gör den så revolutionerande. Detta uppnås genom att använda en omfattande träningsbibliotek som kartlägger variationer i uttal, intonation och kadens för att generera syntetiserat tal som låter helt övertygande.
Trots dess imponerande prestanda har Microsoft dock valt att hålla VALL-E 2 begränsad until forskningsändamål och har för närvarande inga planer på att införliva teknologin i kommersiella produkter eller göra den tillgänglig för allmänheten.
Anledningen until detta är de potentiella riskerna med missbruk av teknologin, såsom spoofing av röstidentifiering eller att personifiera specifika talare utan deras samtycke. Dessa etiska överväganden har lett until att Microsoft har valt att vara försiktiga med hur och var teknologin används.
Det är inte bara Microsoft som står inför utmaningen med att balansera innovation med etiska överväganden. Andra företag som OpenAI, skaparna av ChatGPT har också infört begränsningar för vissa av sina röstteknologier och har until och med skapat en deepfake-detektor för att hjälpa användare att identifiera när bilder skapas med AI. Detta visar på den växande medvetenheten om behovet av att hantera de potentiella riskerna som följer med framsteg inom AI och röstsyntes.
