Công nghệ nhân bản giọng nói AI của Microsoft quá tốt nhưng có một nhược điểm

Updated: 04/07/2024 at 13:00

Team nghiên cứu của Microsoft đã tiết lộ VALL-E 2, một hệ thống AI mới để tổng hợp giọng nói có khả năng tạo ra giọng nói “hiệu suất ở cấp độ con người” chỉ với vài giây âm thanh không thể phân biệt được với nguồn.

“VALL-E 2 là tiến bộ mới nhất trong mô hình ngôn ngữ codec thần kinh đánh dấu một cột mốc quan trọng trong quá trình tổng hợp chuyển văn bản thành giọng nói (TTS) không cần mẫu đào tạo, lần đầu tiên đạt được sự ngang bằng với con người”, bài nghiên cứu cho biết.

Hệ thống được xây dựng dựa trên phiên bản tiền nhiệm VALL-E giới thiệu vào đầu năm 2023. Các mô hình ngôn ngữ codec thần kinh biểu diễn giọng nói dưới dạng các chuỗi code.

Team cho biết điều khiến VALL-E 2 khác biệt so với các kỹ thuật nhân bản giọng nói khác là phương pháp “Lấy mẫu nhận biết lặp lại” và chuyển đổi thích ứng giữa các kỹ thuật lấy mẫu. Các chiến lược này cải thiện tính nhất quán và giải quyết vấn đề phổ biến nhất theo cách nói sáng tạo truyền thống.

Các nhà nghiên cứu viết:

“VALL-E 2 tổng hợp giọng nói chất lượng cao một cách nhất quán, ngay cả đối với những câu khó hiểu do độ phức tạp hoặc cụm từ lặp đi lặp lại”, đồng thời chỉ ra rằng công nghệ này có thể giúp tạo ra giọng nói cho những người mất khả năng nói.

Tuy nhiên, công cụ này quá ấn tượng đến mức sẽ không thể cung cấp cho công chúng.

“Hiện tại, chúng tôi không có kế hoạch kết hợp VALL-E 2 vào sản phẩm hoặc mở rộng khả năng tiếp cận công chúng”, Microsoft cho biết trong tuyên bố đầy đạo đức của mình, đồng thời lưu ý rằng các công cụ như vậy mang lại rủi ro như bắt chước giọng nói mà không có sự đồng ý và sử dụng giọng nói AI thuyết phục trong lừa đảo và các hoạt động tội phạm khác.

Team nghiên cứu nhấn mạnh cần có một phương pháp tiêu chuẩn để đánh dấu kỹ thuật số các thế hệ AI, nhận thấy rằng việc phát hiện nội dung do AI tạo ra với độ chính xác cao vẫn là một thách thức.

“Nếu mô hình được khái quát hóa cho những người không nhìn thấy trong thế giới thực, thì nó phải bao gồm một giao thức để đảm bảo người nói chấp thuận việc sử dụng giọng nói của họ và một mô hình phát hiện giọng nói tổng hợp”.

Điều đó nói lên rằng, kết quả của VALL-E 2 rất chính xác so với các công cụ khác. Trong một loạt thử nghiệm do team nghiên cứu thực hiện, VALL-E 2 vượt trội hơn các tiêu chuẩn của con người về độ mạnh mẽ, tự nhiên và độ giống nhau của giọng nói được tạo ra.

Microsoft

Nguồn: Microsoft

VALL-E-2 có thể đạt được những kết quả này chỉ với 3 giây âm thanh. Tuy nhiên, team nghiên cứu lưu ý rằng “sử dụng mẫu giọng nói dài 10 giây thậm chí còn mang lại chất lượng tốt hơn”.

Microsoft không phải là công ty AI duy nhất trình diễn các mô hình AI tiên tiến mà không tung ra thị trường. Voicebox của Meta và Voice Engine của OpenAI là hai công cụ sao chép giọng nói ấn tượng nhưng cũng gặp phải những hạn chế tương tự.

Người phát ngôn của Meta AI nói vào năm ngoái:

“Có nhiều trường hợp sử dụng thú vị đối với các mô hình giọng nói tổng quát, nhưng vì nguy cơ sử dụng sai mục đích, chúng tôi không cung cấp công khai mô hình hoặc code Voicebox vào thời điểm này”.

Ngoài ra, OpenAI giải thích rằng trước tiên họ đang cố gắng giải quyết vấn đề bảo mật trước khi tung ra mô hình giọng nói tổng hợp.

OpenAI giải thích trong một bài đăng trên blog chính thức:

“Theo cách tiếp cận của chúng tôi đối với an toàn AI và các cam kết tự nguyện của chúng tôi, chúng tôi đang chọn xem trước nhưng không phát hành rộng rãi công nghệ trên vào thời điểm này”.

Lời kêu gọi hướng dẫn đạo đức đang lan rộng khắp cộng đồng AI, đặc biệt là khi các cơ quan quản lý bắt đầu nêu lên mối lo ngại về tác động của AI tạo sinh trong cuộc sống hàng ngày của chúng ta.

Tham gia Telegram của Tạp Chí Bitcoin: https://t.me/tapchibitcoinvn

Theo dõi Twitter (X): https://twitter.com/tapchibtc_io

Theo dõi Tiktok: https://www.tiktok.com/@tapchibitcoin  

Đình Đình

Theo Decrypt

Được đề cập trong bài viết
Bình luận
Mới cập nhật

Solana (SOL) đã tăng 28% trong ba tuần qua, tạo ra động lực tích cực sau gần hai tháng giá giảm. Đà hồi phục này đã thúc đẩy tâm lý lạc quan trên thị trường phái sinh của SOL, dù các cá voi và nhà tạo lập thị trường vẫn... ...

Cổ phiếu của CEA Industries Inc. (VAPE), một công ty thuốc lá điện tử có trụ sở tại Canada, đã tăng vọt gần 550% vào thứ Hai sau khi công bố kế hoạch trở thành công ty nắm giữ BNB niêm yết công khai lớn nhất tại Mỹ. Cụ thể,... ...

Các kho bạc Ethereum đang tiếp cận tài sản này theo cách khác biệt so với các công ty tập trung vào Bitcoin: họ vừa giữ ETH như một tài sản dự trữ, vừa tham gia staking để tạo ra dòng tiền, theo báo cáo mới đây của công ty môi... ...

Công ty tiên phong trong chiến lược dự trữ Bitcoin là Strategy, nhưng hiện nay, làn sóng này đang lan rộng sang nhiều loại tiền điện tử khác — với cái tên mới nhất là SUI. Hôm thứ Hai, Mill City Ventures III, một công ty niêm yết trên sàn... ...

Bitcoin (BTC) tiếp tục bị bán tháo quanh $120.000, nhưng việc liên tục kiểm tra lại ngưỡng kháng cự có xu hướng làm suy yếu tài sản này. Nếu phe mua duy trì được vị thế và không để giá giảm sâu, BTC vẫn có khả năng lập đỉnh mới... ...

ARK Invest của Cathie Wood vừa chọn SOL Strategies, một công ty có trụ sở tại Canada, làm đối tác staking độc quyền cho Digital Assets Revolutions Fund – quỹ đầu tư tài sản số của mình. Theo thỏa thuận này, ARK sẽ chuyển toàn bộ hoạt động vận hành... ...

Tỷ phú Mỹ kiêm nhà quản lý quỹ phòng hộ Ray Dalio vừa khuyến nghị các nhà đầu tư nên phân bổ khoảng 15% danh mục vào vàng hoặc Bitcoin, nhằm tối ưu hóa tỷ lệ lợi nhuận trên rủi ro trong bối cảnh nước Mỹ đang đối mặt với... ...

Giá BNB đã tăng hơn 30% trong tháng 7, lập đỉnh lịch sử mới tại 861,20 USD vào thứ Hai. Theo nhà phân tích từ BitBull, đà tăng này vẫn chưa dừng lại khi BNB có thể tiếp tục nhân đôi giá trị, hướng tới các mốc 1.000 USD vào... ...

Giá Shiba Inu (SHIB) tiếp tục dao động trong biên độ hẹp quanh mức $0,000014, với biến động hàng ngày tương đối khiêm tốn. Trong khi phe bò và phe gấu vẫn tranh giành quyền kiểm soát ngắn hạn, SHIB vẫn giữ được mức tăng 24% trong tháng qua –... ...

Việc Hoa Kỳ mới đây thông qua các đạo luật bao gồm GENIUS, CLARITY và Anti-CBDC đã phát đi tín hiệu cho thấy môi trường pháp lý đang trở nên thuận lợi hơn đối với stablecoin. Như dự đoán, động thái này đã thổi bùng đà tăng trưởng cho một... ...

Xem thêm bài viết

Chọn chế độ hiển thị:
Bình thường Bảo vệ mắt Dark Mode