OpenAI’nin yeni ses sentezleyicisi sadece 15 saniyelik bir sesten sesinizi kopyalayabiliyor

Geçtiğimiz yıl ChatGPT üretken yapay zeka sohbet robotunu ve Sora yapay zeka video yaratıcısını hızla geliştiren OpenAI, şimdi de yeni bir yapay zeka aracıyla karşımızda: Sadece 15 saniyelik seslerden sentetik sesler oluşturabilen Voice Generation.

Bir blog yazısında (The Verge aracılığıyla) OpenAI, 2022’nin sonlarından bu yana geliştirilmekte olan Voice Engine’in “küçük ölçekli bir önizlemesini” çalıştırdığını söylüyor. Aslında, ChatGPT uygulamasında (adından da anlaşılacağı gibi) size cevapları okuyan Sesli Okuma özelliğinde zaten kullanılıyor.

Sesi 15 saniyelik bir örnekten eğittikten sonra, istediğiniz herhangi bir metni “duygusal ve gerçekçi” bir şekilde okumasını sağlayabilirsiniz. OpenAI bunun eğitim amaçlı olarak, podcast’leri yeni dillere çevirmek için, uzak topluluklara ulaşmak için ve sözel olmayan insanları desteklemek için kullanılabileceğini söylüyor.
Bu şu anda herkesin kullanabileceği bir şey değil, ancak gidip Voice Engine tarafından oluşturulan örnekleri dinleyebilirsiniz. OpenAI’nin yayınladığı klipler kulağa oldukça etkileyici geliyor, ancak hafif robotik ve yapmacık bir yanları var.

Önce güvenlik
Voice Engine’in şimdilik sadece sınırlı bir önizlemede olmasının ana nedeni kötüye kullanımla ilgili endişeler: OpenAI, bunun gibi araçların yanlış bilgi yaymak ve sesleri izinsiz kopyalamak için kullanılmasını nasıl önleyebileceği konusunda daha fazla araştırma yapmak istediğini söylüyor.

OpenAI, “Sentetik seslerin sorumlu bir şekilde konuşlandırılması ve toplumun bu yeni yeteneklere nasıl uyum sağlayabileceği konusunda bir diyalog başlatmayı umuyoruz” diyor. “Bu konuşmalara ve bu küçük ölçekli testlerin sonuçlarına dayanarak, bu teknolojinin geniş ölçekte kullanılıp kullanılmayacağı ve nasıl kullanılacağı konusunda daha bilinçli bir karar vereceğiz.”