Microsoft har udviklet en ny 'tekst til tale'-generator drevet af kunstig intelligens (AI), der ifølge forskere fra virksomheden kan genskabe et menneskes stemme.
Ud fra blot få sekunders lydfiler kan generatoren tale så naturligt, at det kan sammenlignes med et rigtigt menneske. Det skriver Live Science.
Den nye AI-generator, døbt VALL-E 2, anvender ny teknologi, der forhindrer gentagne lydmønstre samt forkorter ventetiden på genereringen af den kunstige tale.
Forskere fra Microsoft sammenlignede VALL-E 2’s kunstige tale med lydprøver af rigtige mennesker for at teste ligheden, og de konkluderede, at AI-generatoren var i stand til at generere tale, der kunne forveksles med et rigtigt menneske.
Studiet, der beskriver VALL-E 2 og testene bag, er endnu ikke blevet kvalitetstjekket af andre forskere i den såkaldte peer review-proces, men kan findes i en preprint-version på arXiv.
\ Hvad er 'preprint'?
Et preprint er et manuskript til en videnskabelig artikel, der uploades på en åben webplatform, før artiklen er blevet peer reviewet (fagfællebedømt) og udgivet i et tidsskrift.
På den måde bliver resultaterne hurtigt tilgængelige for offentligheden, og forskerne kan få feedback fra kolleger, inden manuskriptet indsendes til et videnskabeligt tidsskrift.
Når tidsskriftet skal vurdere, om det vil publicere den videnskabelige artikel, iværksættes peer review-processen, hvor andre forskere kvalitetstjekker forskningen.
Eftersom preprint-artikler endnu ikke er peer reviewet og udgivet i et videnskabeligt tidsskrift, bør de læses med ekstra forbehold.
Læs mere i artiklen 'Vurder, om forskningen er solid'.
Den nye teknologi kommer dog ikke til at være tilgængelig for offentligheden, da faren for misbrug ifølge dets skabere er for stor:
»VALL-E 2 er udelukkende et forskningsprojekt. På nuværende tidspunkt har vi ingen planer om at inkorporere VALL-E 2 i et produkt eller udvide adgangen til offentligheden. Det kan medføre potentielle risici ved misbrug af modellen,« skriver forskerne bag i et blogindlæg og nævner, at svindlere for eksempel kan efterligne specifikke personers stemmer.
Skaberne af VALL-E 2 udelukker dog ikke, at teknologien i fremtiden kan anvendes til en række formål, så længe stemmegeneratoren anvendes på etisk og forsvarlig vis.
