OpenAI ने वॉयस इंजन वॉयस क्लोनिंग टूल का अनावरण किया: वह सब कुछ जो आपको जानना आवश्यक है

इसके वीडियो जनरेटर के लॉन्च के कुछ ही महीने बाद सोराचैटजीपीटी निर्माता ओपनएआई विकसित ए आवाज क्लोनिंग उपकरण जिसे ‘कहा जाता हैआवाज इंजन‘. हालाँकि यह अत्यधिक प्रत्याशित था, कंपनी दुर्भावनापूर्ण उपयोग और ऑनलाइन नकल और नकली सामग्री के मामलों में वृद्धि के डर से नई सुविधा को गुप्त रखेगी।

यहाँ हम क्या जानते हैं:

वॉइस इंजन के बारे में

ध्वनि इंजन का उपयोग पाठ प्रविष्टि और प्राकृतिक भाषण उत्पन्न करने के लिए एक 15 सेकंड का ऑडियो नमूना जो मूल वक्ता से काफी मिलता-जुलता है।

अभी भी परीक्षण चरण में, ओपनएआई ने एक ब्लॉग पोस्ट में कहा कि वॉयस इंजन का परीक्षण करने वाले साझेदार अन्य बातों के अलावा, किसी भी व्यक्ति की स्पष्ट और सूचित सहमति की आवश्यकता वाले नियमों पर सहमत हुए हैं, जिनकी आवाज टूल का उपयोग करके डुप्लिकेट की गई है। ऐकंपनी ने कहा, उत्पन्न आवाजों को जनता को स्पष्ट रूप से दर्शाया जाना चाहिए।

वॉयस एआई उपयोग के मामले

OpenAI ने इस तकनीक के उपयोग के मामलों का परीक्षण करने के लिए भागीदारों के एक समूह के साथ काम किया। यहां कुछ ऐसे हैं जिनकी कंपनी ने अब तक पहचान की है:

• पढ़ने में सहायता: इसे गैर-पाठकों और बच्चों के लिए पेश किया जाएगा, ताकि सीखने के दौरान और शैक्षिक सेटिंग्स में वक्ताओं की एक विस्तृत श्रृंखला का प्रतिनिधित्व करने वाली प्राकृतिक और भावनात्मक आवाजें उत्पन्न की जा सकें।
• सामग्री का अनुवाद करें: यह वीडियो और पॉडकास्ट जैसे मीडिया का उपयोग करके रचनाकारों और व्यवसायों को अपनी आवाज़ के साथ दुनिया भर के अधिक लोगों तक पहुंचने में सक्षम बनाने के बारे में है। वॉयस इंजन मूल वक्ता के मूल उच्चारण को बरकरार रखेगा: उदाहरण के लिए, एक फ्रांसीसी वक्ता से ऑडियो नमूने के साथ अंग्रेजी उत्पन्न करने से फ्रांसीसी उच्चारण के साथ भाषण उत्पन्न होगा।
  गैर-मौखिक लोगों के लिए: वॉयस इंजन का उपयोग वाणी को प्रभावित करने वाली स्थितियों वाले लोगों के लिए चिकित्सीय अनुप्रयोगों और सीखने की ज़रूरत वाले लोगों के लिए शैक्षिक संवर्द्धन के लिए किया जा सकता है।

ख़तरा मंडरा रहा है

ओपनएआई ने कहा कि वह “सिंथेटिक आवाज के दुरुपयोग की संभावना के कारण व्यापक रिलीज के लिए सतर्क और सूचित दृष्टिकोण अपना रहा है।”

चुनावी वर्ष में, डीपफेक के माध्यम से गलत सूचना फैलाने के लिए एआई का उपयोग बड़े पैमाने पर हो रहा है, जो कि जेनरेटिव एआई की वायरल तकनीक से कई गुना बड़ा खतरा है।

इसे स्वीकार करते हुए, कंपनी ने कहा, “हम मानते हैं कि लोगों की आवाज़ से मिलता-जुलता भाषण तैयार करने में गंभीर जोखिम होते हैं, जो चुनाव के दौरान विशेष रूप से महत्वपूर्ण होते हैं। »

बयान में कहा गया है, “हम सरकार, मीडिया, मनोरंजन, शिक्षा, नागरिक समाज और उससे परे अमेरिकी और अंतरराष्ट्रीय भागीदारों के साथ सहयोग कर रहे हैं ताकि यह सुनिश्चित किया जा सके कि हम निर्माण करते समय उनकी प्रतिक्रिया को भी शामिल करें।”

सोरा उड़ जाता है

यह कंपनी के कुछ ही महीनों बाद आया है सोरा को मुक्त कर दियाटेक्स्ट संकेतों के साथ एक मिनट का वीडियो बनाने का एक उपकरण। ईटी ने प्रतिक्रियाओं की सूचना दी थी फरवरी में “प्रभावशाली” टूल के लिए। “सोरा उल्लेखनीय है। मुझे लगता है कि जिन्न बोतल से बाहर आ गया है और चीजें पहले जैसी नहीं होंगी। इसके द्वारा बनाए गए वीडियो की गुणवत्ता इतनी अधिक है कि वीडियो उत्पादन एजेंसियों को तुरंत खतरा महसूस होगा, ”वेंचर कैपिटल फंड लाइटस्पीड इंडिया के पार्टनर हेमंत महापात्र ने ईटी को बताया था।

सोरा के प्रतिस्पर्धियों में रनवे जेन-2, पिका लैब्स और स्टेबिलिटी एआई जैसे स्टार्टअप शामिल हैं – जो एआई वीडियो पीढ़ी के लिए समर्पित मॉडल पेश करते हैं – से लेकर खोज दिग्गज Google के नवीनतम, जिसे लुमियर कहा जाता है। लेकिन अपनी एक मिनट की लंबाई और यथार्थवादी छवियों के साथ, इसने उद्योग में एक नया मानक स्थापित किया।