OpenAI có thể sao chép giọng nói chỉ từ 15 giây âm thanh

OpenAI vừa thông báo rằng gần đây đã tiến hành xem trước bản thử nghiệm của một công cụ mới có tên là Voice Engine. Đây là công nghệ nhân bản giọng nói có thể bắt chước bất kỳ người nói nào bằng cách phân tích mẫu âm thanh dài 15 giây. Công ty cho biết họ tạo ra “lời nói nghe có vẻ tự nhiên” với “giọng nói giàu cảm xúc và thực tế”.

OpenAI có thể sao chép giọng nói chỉ từ 15 giây âm thanh

Công nghệ này được dựa trên công ty API chuyển văn bản thành giọng nói có sẵn và nó đã hoạt động từ năm 2022. OpenAI đã sử dụng một phiên bản của bộ công cụ để hỗ trợ các giọng nói cài sẵn có trong API chuyển văn bản thành giọng nói hiện tại và tính năng Đọc to. Có rất nhiều mẫu trên blog chính thức của công ty và chúng có vẻ giống với hàng thật một cách kỳ lạ. Tôi khuyến khích bạn hãy lắng nghe họ và tưởng tượng những khả năng có thể xảy ra, cả tốt lẫn xấu.

OpenAI cho biết họ thấy công nghệ này hữu ích trong việc hỗ trợ đọc, dịch ngôn ngữ và giúp đỡ những người mắc chứng thoái hóa giọng nói đột ngột hoặc thoái hóa. Công ty đã đưa ra một Chương trình thí điểm của Đại học Brown Đã giúp một bệnh nhân gặp vấn đề về suy giảm khả năng nói bằng cách tạo bản sao Voice Engine lấy từ âm thanh được ghi cho một dự án trường học.

Bất chấp những lợi ích tiềm tàng, những kẻ xấu chắc chắn sẽ lạm dụng công nghệ này để tham gia vào một số trò lừa đảo deepfake nghiêm trọng,vốn đã là một vấn đề. Với suy nghĩ này, Voice Engine vẫn chưa sẵn sàng cho thời điểm quan trọng vì có những lo ngại nghiêm trọng về quyền riêng tư cần phải được đáp ứng trước khi triển khai đầy đủ.

OpenAI thừa nhận rằng công nghệ này có “những rủi ro nghiêm trọng, đặc biệt là những rủi ro được quan tâm hàng đầu trong năm bầu cử”. Công ty cho biết họ kết hợp phản hồi từ “các đối tác Hoa Kỳ và quốc tế từ khắp chính phủ, truyền thông, giải trí, giáo dục, xã hội dân sự và hơn thế nữa” để đảm bảo sản phẩm ra mắt với mức rủi ro tối thiểu. Tất cả những người thử nghiệm bản xem trước đều đồng ý với chính sách sử dụng của OpenAI, cấm mạo danh cá nhân khác mà không có sự đồng ý hoặc quyền hợp pháp.

Ngoài ra, bất kỳ ai sử dụng công nghệ này sẽ phải tiết lộ với khán giả của mình rằng giọng nói được tạo ra bởi AI. OpenAI đã triển khai các biện pháp an toàn, như hình mờ để theo dõi nguồn gốc của bất kỳ âm thanh nào và “giám sát chủ động” về cách hệ thống đang được sử dụng. Khi sản phẩm chính thức ra mắt sẽ có “danh sách giọng nói cấm đi” nhằm phát hiện và ngăn chặn những loa do AI tạo ra quá giống với những nhân vật nổi bật.

Về thời điểm triển khai, OpenAI vẫn kín tiếng. TechCrunch phát hiện ra một số dữ liệu giá cả tiềm năng và có vẻ như nó sẽ cắt giảm đối thủ cạnh tranh trong không gian như ElevenLabs. Voice Engine có thể có giá 15 USD cho một triệu ký tự, tương đương với khoảng 162.500 từ. Đây là độ dài của The Shining của Stephen King. Nó chắc chắn có vẻ giống như một cách thân thiện với ngân sách để hoàn thành một cuốn sách nói. Các tài liệu tiếp thị cũng đề cập đến phiên bản “HD” có giá cao gấp đôi, nhưng công ty chưa nêu chi tiết cách thức hoạt động của phiên bản đó.

Theo dõi Phúc Anh để cập nhật các tin tức công nghệ mới nhất nhé