Deepfake-hääled ja tekst kõneks

Tehisintellekti (AI) ja süvaõppe areng võimaldab nüüd luua kvaliteetset ja elutruud sünteetilist meediat. See tehnoloogia avab uksi uutele loovatele lahendustele ja mõjutab paljusid valdkondi. Üks selline tehnoloogia on deepfake, tuntud ka kui sünteetilised hääled ja hääle kloonimine.

Mis on deepfake-hääled?

Deepfake tähendab sünteetilist meediat, mida nimetatakse ka hääle kloonimiseks. AI-ga saab luua videodeepfake’e, mis muudavad inimese välimust või panevad kellegi ütlema midagi, mida ta tegelikult ei öelnud – see on tuntud kui hääle kloonimine. Näiteks võid lasta Arnold Schwarzeneggeri häälel endale ükskõik mida ette lugeda.

See protsess vajab spetsiaalset tarkvara, mis analüüsib nägusid, töötleb häält tekstist ja modelleerib suuliigutusi kolmemõõtmelises ruumis.

Selle tehnoloogia mitmekülgsed kasutusvõimalused hõlmavad hääle kloonimist. Peaaegu kõik on mõnest deepfake-skandaalist kuulnud. Hiljuti ilmus ka postuumselt Tony Bourdaini dokumentaal, kus tema hääl tundus taas ellu äratatud.

IT-startupid aitasid tootjatel taastada Bourdaini hääle, et anda loole lisatruudust. See on muljetavaldav, kuid tekitab moraalseid küsimusi — vajad vaid arvutit ja õiget tarkvara, et luua võltskaadreid või kompromiteerivat heli kellelegi teisele.

Kuidas deepfake'e täpselt tehakse?

Esmalt kogutakse piisavalt inimese häälenäiteid, mida saab näiteks sotsiaalmeediast, telefonisalvestistest, televisioonist jms. Seejärel ühendab AI-tarkvara kõik näited ja loob võltsitud hääle. 

See on lihtsustatud ülevaade keerulisest protsessist, kuid lõpuks kasutab AI kogutud andmeid loomuliku kõlaga hääle loomiseks, mis loeb ette digitaalseid tekste. Seetõttu on deepfake’id tihedalt seotud tekst kõneks (TTS) tehnoloogiaga. 

Deepfake-häälte kasutamine tekst kõneks rakendustes

Kasutajad saavad deepfake-hääle tehnoloogiaga, mis on integreeritud TTS-süsteemidesse, kohandada tunnuseid nagu toon, vanus ja aktsent. See aitab nt häälepuudega inimestel saada neile omase hääle ja parandada suhtlemist. Personaalsete valikutega paraneb elukvaliteet.

Deepfake-hääli kasutatakse efektsema audiosisu loomiseks, et hoida kuulajaid ja fänne. Sünteesitud hääled, mis matkivad kuulsate inimeste kõneviisi, paeluvad kuulajaid. Eriti väärtuslik on see audioraamatutes, podcastides ja muudes formaatides, kus häälte mõju on suur.

Samas tekitab deepfake-häälte lisamine TTS-süsteemidesse tõsiseid eetilisi küsimusi. Deepfake-hääled võimaldavad manipulatsiooni ja kellegi teise pähe esinemist, mis võib inimesi eksitada ilma nende nõusolekuta. Seetõttu on vaja rangemaid reegleid ja seadusi, et tagada tehnoloogia korrektne kasutus.

Deepfake-hääled TTS-süsteemides loovad võimaluse personaalseks ja kaasavaks häälesünteesiks. See võib muuta meie suhtlemist tehis kõnega, muutes selle kättesaadavamaks ja meeldivamaks, ent eeldab läbimõeldud eetilisi valikuid.

Plussid

Deepfake’il on mitmeid positiivseid külgi. 2021. aasta “This Is Not Morgan Freeman” video näitas, kui kasulik võib olla täiustatud tehnoloogia.

Piltidel näidati, et treenides AI-d helisalvestiste ja videoklippidega loodi näitleja imitatsioon, mis matkib tema liigutusi, välimust ja kõnet. Ehkki eetilisi probleeme on, võib tehnoloogia olla hindamatu, nagu näiteks Val Kilmerile.

Kuigi Kilmertil oli kõrikasvaja ja ta kaotas oma hääle, arvasid paljud, et tema karjäär Hollywoodis on lõppenud. Amazon Prime’i film “Prime Voice” tõi välja, et tema poeg andis isale rollideks hääle.

Kui Kilmer lõi käed Sonanticuga — AI-startup’iga, mille spetsialiteet on häälemudelid, sai ta lõpuks oma hääle tagasi. Deepfake-tehnoloogiaga loodi Kilmeri hääl uuesti ning publik kuulis tulemust värskes filmis Top Gun: Maverick.

Miinused

Masinõpe võib kellegi hääle järgi teha näiteks New Yorgis, kus tehnoloogia on laialt kasutusel. See muudab isikuandmete kuritarvitamise ja petukõnede ohvriks langemise lihtsamaks.

Deepfake-tehnoloogia eetilised probleemid

Deepfake-häälte ja deepfake tekst kõneks kasutus avab terve rea eetilisi küsimusi. Tehnoloogia arenedes võivad kaasneda tagasilöögid. Näiteks Arnold Schwarzeneggeri AI-hääl on nii loomulik, et petab inimesi. See võib tekitada usaldamatust kõike kuuldu suhtes ja ka iseenda tajude suhtes.

Uute tehnoloogiate kasutuselevõtul tuleb mõelda riskidele. Deepfake'id võimaldavad inimesi petta ning mõjutada nende arvamust hääle abil. Mured on õigustatud, sest avalik usaldus ja privaatsus võivad kannatada.

Deepfake’i kasutus on reaalne probleem. Eriti ohtlikuks muudab selle sünteetiliste häälte rakendamine petukõnedes ja valeinfo kampaaniates. Kujuta ette, et saad kõne ja hääle järgi tundub see tuttav – sõber või pereliige –, kuid tegelikult on tegu pettusega. Manipuleerimine võib kahjustada üksikisikut, kogukonda või isegi riiki.

Lahendused deepfake-häälte väärkasutuse vähendamiseks

Selle ohu vähendamiseks on vaja tugevaid seadusi ja kasutajate harimisprogramme. Deepfake-hääli tuleb kasutada vastutustundlikult ning valdkonnareeglid peaksid looma riigid ja tehnoloogiafirmad koostöös. On loodud meetmeid, mis tuvastavad ja peatavad ebaseadusliku sünteetilise kõne kasutuse; väga oluline on ka kasutajate teavitamine.

Lisaks tuleb alati hoolikalt kaaluda, kuidas innovatsiooni rakendada ilma piire ületamata nii deepfake-häälte kui tekst kõneks tehnoloogia puhul. Uuendused on paljulubavad, kuid nende kasutamisel peab olema läbipaistvus ja vastutus. Kasutajaid tuleb häälesünteesist teavitada, et nad oskaksid paremini hinnata, mis on päris ja mis mitte.

Õiguslikud ja privaatsusalased küsimused deepfake-häälte puhul

Deepfake-häälte puhul tuleb arvesse võtta ka õigusi ja privaatsust. Korduma jäävad küsimused selle kohta, kellele sünteesitud hääl kuulub ja kui lihtsalt võib seda valesti kasutada. Selged reeglid peavad neid keerulisi teemasid lahendama, et kaitsta inimeste õigusi ja kasutada tehnoloogiat vastutustundlikult.

Deepfake-häälte eetilistele küsimustele mõeldes on oluline pidada avatud ja kaasavaid arutelusid. Eetikud, seaduseloojad, tehnoloogid ja ka avalikkus peavad koostööd tegema, et kujundada selle tehnoloogia tulevik kogu ühiskonna hüvanguks.

Kujutle, et saad kõne, mis kõlab nagu sõbra või pereliikme hääl, aga tegelikult püüab võlts hääl sind ära kasutada. See võib tuua kahju inimestele, kogukondadele ja lausa riikidele. Deepfake-häälte kasutusulatus on lai – süütutest rakendustest (näiteks Alexa, mis räägib kuulsuse häälega) kuni ohtlike pettusteni.

Vajame reegleid deepfake-häälte eetiliseks kasutamiseks

Inimeste kaitsmiseks on vaja tugevaid eeskirju ja kasutajate teavitamist nende võltshäälte kohta. Riigid ja tehnoloogiafirmad peaksid koos looma reeglid, kuidas deepfake-hääli õigesti kasutada. Samuti tuleb leida lahendusi, kuidas kahjulikke võltshääli tuvastada ja peatada.

Deepfake-hääli kasutades tuleb olla ettevaatlik ja pidada kinni eetilistest normidest. Uued kõnetehnoloogiad on põnevad, kuid neid peab kasutama ausalt. Inimesed peaksid teadma, kas kuuldav hääl on päris või loodud arvutiga. Nii saavad nad otsustada, kas kuuldut usaldada.

Deepfake-häälega seotud probleemidest rääkimine on tähtis. Igaüks, eksperdist tavainimeseni, peaks saama oma arvamust avaldada. Nii on lootust tehnoloogiat targemalt ja kasulikumalt rakendada.

Õnneks, kui kõnesünteesi tarkvara paraneb, paraneb ka võltside häälte tuvastus. Tehnoloogiafirmad arendavad tööriistu võltshäälte märkamiseks ja peatamiseks. See aitab näiteks pankadel ja kõnekeskustel New Yorgis kindlaks teha, kas nad suhtlevad päris inimese või arvutihäälega.

Deepfake-hääle tarkvarad, mida katsetada

Masinõppelahendused võivad paljude inimeste elu paremaks muuta ning ka sina võid proovida luua audiosüvavõltsingu. Tippkvaliteedi jaoks on vaja kaasaegseid seadmeid ja tarkvara, ent mitmed rakendused võimaldavad teha loomuliku kõlaga hääli. Siin on viis deepfake-hääle generaatorit, mida saad proovida:

Resemble

Resemble AI on tekst kõneks ja deepfake-loome tööriist, mis loob inimese hääle vähese andmestikuga. Umbes viie minuti heliga saad oma esimese deepfake-hääle.

Võid testida näidist, laadides üles enda heliklippe, ning mõne minuti pärast kuuled tuttavat häält. Kasutajad hindavad Resemble’i lihtsat kasutajaliidest ning võimalust muuta heli intonatsiooni.

Descript

See võimekas kõnesünteesija pakub tugevaid redigeerimisvõimalusi. Programm analüüsib helisalvestisi, videolõike ja transkripte ning loob AI-põhiseid hääli. Kui sisend ei rahulda, saad heli otse rakenduses muuta – lisavõtteid pole vaja.

Descript’i põhieesmärk on aidata loojatel luua kvaliteetseid pealelugemisi podcastidele ja videotele. Programmil on palju näidishääli, millega võib katsetada ning avastada Descript’i võimalusi.

ReSpeecher

ReSpeecher on usaldusväärne deepfake-lahendus, millega taasloodi Luke Skywalkeri hääl sarjas The Mandalorian. Tarkvara sobib filmitööstusele, aga ka reklaamklippide, animatsioonide, videomängude, podcastide ja muu sellisega seotud pealelugemiste loomiseks. 

iSpeech

iSpeech on saadaval nii lauaarvutile kui ka veebis. Rakendus pakub lisaks häälesünteesile tekst kõneks, veebilugeja ja kõnetuvastuse võimalust. Harjumiseks võid kasutada demot ja proovida näiteks Barack Obama, Arnold Schwarzeneggeri või Scarlett Johanssoni häält.

Reaalajas hääle kloonimine

See avatud lähtekoodiga projekt on tasuta saadaval GitHubis. Komplektne tööriistakast suudab sünteesida hääle juba viiesekundilise helinäitega. Kuid kasutajad märgivad, et selle kasutamine eeldab keskmist või kõrgemat tehnilist taset.

Speechify – lihtne TTS-alternatiiv deepfake-häältele

Tekst kõneks (TTS) rakendusi, nagu Speechify ja deepfake-generaatoreid ühendab sarnane tehnoloogia, kuid eesmärgid on erinevad. Speechify on TTS ehk ettelugemis tööriist, mis loeb peaaegu igasugust teksti – nii trükitud kui digitaalse. Kasutaja impordib dokumendi, artikli või transkripti, valib eelistatud häälenäitleja ja Speechify loeb teksti valjusti ette.

Programmil on palju kvaliteetseid mees- ja naishääli ja tugi enam kui 20 keeles, sh inglise, hispaania, prantsuse, itaalia ja portugali. Kui soovid tootlikkust tõsta ja kuulata, kuidas mõni kuulsus loeb, proovi Speechify’s Gwyneth Paltrow’d.

Laadi programm arvutisse, iPhone’i või Androidi seadmesse ja proovi Speechify’d tasuta juba täna.

KKK

Kas FakeYou on tasuta?

FakeYou on kasutajasõbralik tasuta programm loomuliku kõlaga häälte loomiseks.

Kuidas süvavõltshäält ära tunda?

Ilma erilise tarkvarata on deepfake-hääli raske tuvastada. Küberjulgeoleku ettevõtted kasutavad häälbiomeetrilisi süsteeme deepfake-pettuse vältimiseks. 

Mis ohud on deepfake-häältes?

Deepfake'e kasutatakse vahel pahatahtlikult – valeinfo levitamiseks, maine rikkumiseks ning usalduse õõnestamiseks riigiasutuste vastu.