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

Ethereum có thể vẫn giữ vị thế thống trị trong lĩnh vực hợp đồng thông minh, nhưng sự thống trị này đang bắt đầu có dấu hiệu rung chuyển. Khi bối cảnh tiền điện tử tiếp tục phát triển, Solana đang nổi lên như một đối thủ đáng gờm, thách... ...

Token HBAR của Hedera đã tăng 5% trong tuần qua, được thúc đẩy bởi nhu cầu của nhà đầu tư tăng và hoạt động của altcoin tăng mạnh hơn. Tuy nhiên, bất chấp đợt tăng trưởng ngắn hạn, các chỉ báo kỹ thuật hiện cho thấy động lực đang mất... ...

Solana (SOL) đang chứng kiến làn sóng tăng giá mới, được củng cố bởi loạt tín hiệu kỹ thuật xuất hiện đồng thời trên nhiều khung thời gian. Cấu trúc thị trường hiện tại cho thấy SOL có thể đang tiến gần tới một vùng đột phá quan trọng. Theo... ...

Dữ liệu từ CryptoQuant cho thấy khối lượng ròng của taker* trên Binance đã vượt mốc 100 triệu đô la. Đáng chú ý, diễn biến này đánh dấu sự trở lại của hoạt động mua tích cực trên thị trường và xảy ra chỉ vài giờ trước khi báo cáo... ...

Trong năm 2025, mỗi lần chỉ báo Stochastic RSI trên khung ngày thoát khỏi vùng quá mua, giá XRP lại ghi nhận mức sụt giảm trung bình lên đến 25%. Hiện tại, một mô hình tương tự đang dần hình thành trong tháng 7, làm dấy lên lo ngại rằng... ...

Theo dữ liệu từ nền tảng phân tích on-chain Glassnode, các nhà đầu tư Bitcoin hiện đang nắm giữ khoảng 1,2 nghìn tỷ USD lợi nhuận chưa thực hiện. Con số ấn tượng này phản ánh lợi nhuận giấy mà các nhà đầu tư dài hạn đã tích lũy khi... ...

Sàn giao dịch tiền điện tử lớn nhất khu vực Mỹ Latinh – Mercado Bitcoin – vừa công bố kế hoạch token hóa 200 triệu USD tài sản thực (real-world assets – RWA) trên nền tảng XRP Ledger (XRPL), theo thông báo từ Ripple, đơn vị phát triển XRPL. Các... ...

Hôm qua, cộng đồng crypto đã có một phen sửng sốt khi ghi nhận những giao dịch chuyển tiền lớn từ ví “cá voi” của Satoshi Nakamoto, làm dấy lên một làn sóng đồn đoán và sự tò mò về mối liên hệ giữa người sáng lập Bitcoin và XRP.... ...

Tether (USDT), đồng stablecoin lớn nhất và gây nhiều tranh cãi nhất trên thế giới, hiện đang phải đối mặt với một lựa chọn sống còn: tuân thủ các tiêu chuẩn nghiêm ngặt của Đạo luật GENIUS, tung ra một giải pháp thay thế minh bạch hoàn toàn, hoặc rời... ...

Bitcoin chỉ còn cách mức đỉnh lịch sử 111.970 đô la khoảng 3,4%, nhưng hoạt động đầu cơ đã tăng vọt lên mức cao nhất trong năm. Dữ liệu mới nhất cho thấy tâm lý ưa rủi ro gia tăng mạnh, ngay cả khi thị trường đang “nín thở” trước... ...

Xem thêm bài viết
Chọn chế độ hiển thị:
Bình thường Bảo vệ mắt Dark Mode