डीपफेक आवाज़ों के बारे में सब कुछ
प्रमुख प्रकाशनों में
जानें कि डीपफेक आवाज़ बनाने के लिए आपको क्या चाहिए, इसके उपयोग के खतरों के बारे में और टेक्स्ट टू स्पीच सॉफ़्टवेयर का विकल्प कैसे उपयोग करें।
डीपफेक आवाज़ों के बारे में सब कुछ
डीपफेक मीडिया का उदय साइबर सुरक्षा और मीडिया के क्षेत्र में सबसे गर्म विषयों में से एक है। इसका उपयोग वयस्क सामग्री बनाने से लेकर फेक न्यूज़ और वित्तीय धोखाधड़ी तक होता है। किसी और की छवि और आवाज़ का उनकी सहमति के बिना विश्वसनीय वीडियो और ऑडियो क्लिप में उपयोग करना कृत्रिम बुद्धिमत्ता में एक तकनीकी प्रगति की तरह लग सकता है। हालांकि, यह विवादों से परे नहीं है।
डीपफेक आवाज़ क्या है?
एक डीपफेक आवाज़ वह आवाज़ है जो किसी वास्तविक व्यक्ति की आवाज़ की बहुत करीब से नकल करती है। हालांकि यह सिंथेटिक है, आवाज़ मानव जैसी होती है और टोनालिटी, उच्चारण, लय और अन्य विशेषताओं को सटीक रूप से दोहरा सकती है।
जो लोग डीपफेक आवाज़ें या वॉयस क्लोनिंग बनाते हैं, वे एआई तकनीक और मजबूत कंप्यूटिंग शक्ति का उपयोग करते हैं। कभी-कभी किसी अन्य व्यक्ति की आवाज़ को क्लोन करने में हफ्तों लग सकते हैं। इसके अलावा, विशेष उपकरण और सॉफ़्टवेयर के अलावा, डीपफेक को प्रशिक्षण डेटा की आवश्यकता होती है। इसका मतलब अक्सर लक्ष्य व्यक्ति की आवाज़ की पर्याप्त रिकॉर्डिंग होना होता है।
कई मायनों में, यह प्रक्रिया टेक्स्ट टू स्पीच सॉफ़्टवेयर का उपयोग करके सिंथेटिक आवाज़ें उत्पन्न करने के समान है। लेकिन टीटीएस सॉफ़्टवेयर आमतौर पर प्राकृतिक ध्वनि वाली आवाज़ें बनाता है बिना किसी विशेष व्यक्ति की आवाज़ की नकल करने की कोशिश किए।
स्वाभाविक रूप से, लोग अपनी आवाज़ों को ऑडियोबुक, वॉयसओवर और अन्य प्रकार की सामग्री के लिए क्लोन करते हैं, इसमें कुछ गलत नहीं है। हालांकि, बिना सहमति के अन्य लोगों की डीपफेक आवाज़ें बनाना एक गंभीर चिंता का विषय है।
डीपफेक आवाज़ों के जोखिम
वॉयस ऑथेंटिकेशन लंबे समय तक विज्ञान कथा फिल्मों की तरह लगता था। दुर्भाग्यवश, आज यह तकनीक मौजूद है और यह अचूक नहीं है। जैसे-जैसे डीपफेक वॉयस सॉफ़्टवेयर और न्यूरल नेटवर्क विकसित हुए, स्कैमर्स अधिक नुकसान करने में सक्षम हो गए।
2020 में, एक बैंक प्रबंधक को एक कॉल प्राप्त हुआ जिसे वह एक कंपनी निदेशक मानता था। प्रबंधक ने आवाज़ को पहचाना और $35 मिलियन के हस्तांतरण को अधिकृत करने में कोई परेशानी नहीं हुई। प्रबंधक को यह नहीं पता था कि कंपनी निदेशक की आवाज़ एक क्लोन की गई आवाज़ थी।
फोर्ब्स ने एक साल पहले एक समान घटना की रिपोर्ट की थी। यह यू.के. की एक ऊर्जा कंपनी में हुआ था जिसे एक विश्वसनीय व्यक्ति की डीपफेक आवाज़ से धोखा दिया गया था।
और भी डरावना यह है कि लोगों की आवाज़ों की स्पष्ट रिकॉर्डिंग प्राप्त करना आसान है। आप उन्हें रिकॉर्डर्स, ऑनलाइन इंटरव्यू, प्रेस कॉन्फ्रेंस आदि के माध्यम से प्राप्त कर सकते हैं। वॉयस कैप्चर तकनीक भी बहुत बेहतर हो रही है। इस प्रकार, एआई मॉडल में डाले गए डेटा अधिक सटीक होते हैं और अधिक विश्वसनीय डीपफेक आवाज़ों की ओर ले जाते हैं।
साइबर सुरक्षा उपकरणों ने अभी तक ऑडियो डीपफेक का पता लगाने के लिए अचूक तरीके नहीं खोजे हैं।
सर्वश्रेष्ठ डीपफेक वॉयस सॉफ़्टवेयर
स्पीचिफाई
इस सूची के अन्य उपकरणों के विपरीत, स्पीचिफाई वॉयस ओवर एक वॉयस-क्लोनिंग ऐप नहीं है। हालांकि, टेक्स्ट टू स्पीच सॉफ़्टवेयर उच्च-गुणवत्ता वाले एआई एल्गोरिदम का उपयोग करके सिंथेटिक मीडिया और प्राकृतिक ध्वनि वाली आवाज़ें बनाता है। स्पीचिफाई वॉयस ओवर स्टूडियो में मानव जैसी आवाज़ों की एक विशाल लाइब्रेरी है और यह विभिन्न मापदंडों के आधार पर नई आवाज़ें बना सकता है।
टेक्स्ट से आवाज़ में परिवर्तन लोगों को लिखित पाठ के साथ पढ़ने या पॉडकास्ट बनाने में मदद करता है। यह आपके द्वारा इनपुट या स्कैन किए गए पाठ के आधार पर ऑडियो रिकॉर्डिंग भी बना सकता है। आप उन्हें मार्केटिंग, आउटगोइंग संदेश, ग्राहक समर्थन उत्तर आदि के लिए उपयोग कर सकते हैं।
रिज़ेम्बल
रिज़ेम्बल एआई डीपफेक रिकॉर्डिंग बनाने के लिए सबसे शक्तिशाली ऑडियो सॉफ़्टवेयर में से एक है। क्लोनिंग सॉफ़्टवेयर को क्लोनिंग शुरू करने से पहले विशाल मात्रा में डेटा की आवश्यकता नहीं होती है।
आप रिज़ेम्बल का उपयोग अपनी आवाज़ को क्लोन करने के लिए कर सकते हैं। इस परिदृश्य में, यह पूर्व-रिकॉर्डेड व्यावसायिक क्लिप बनाने या पॉडकास्ट स्क्रिप्टिंग, विज्ञापन बनाने आदि के लिए कुशल है। स्पीच सिंथेसिस सॉफ़्टवेयर कई भाषाओं का समर्थन करता है और आवाज़ों को व्यक्तिगत बनाने और उनमें स्वर या भावना जोड़ने के लिए विभिन्न मॉड्यूलेशन उपकरण प्रदान करता है।
डिस्क्रिप्ट
डिस्क्रिप्ट एक वॉयस क्लोनिंग उपकरण है जिसमें उन्नत संपादन क्षमताएं हैं। यह ट्रांसक्रिप्ट्स और ऑडियो क्लिप से काम कर सकता है ताकि यथार्थवादी आवाज़ें उत्पन्न की जा सकें जिन्हें लोग विश्वसनीय डीपफेक वीडियो के लिए उपयोग कर सकते हैं।
हालांकि डिस्क्रिप्ट में एक उच्च सीखने की वक्र है, उन्नत अनुकूलन, स्क्रीन रिकॉर्डर, और मल्टीट्रैक संपादन सुविधाएं आपको किसी की भी आवाज़ में अल्ट्रा-रियलिस्टिक भाषण बनाने में मदद कर सकती हैं।
रीस्पीचर
मशीन लर्निंग एल्गोरिदम का उपयोग करके एआई आवाज़ें बनाना जो असली लोगों की तरह लगती हैं, रोमांचक और एक शानदार व्यवसाय हो सकता है। रीस्पीचर वह सॉफ़्टवेयर है जिसका उपयोग लुकासफिल्म ने द मंडलोरियन में ल्यूक स्काईवॉकर की आवाज़ बनाने के लिए किया था।
यह दिखाता है कि कुछ डीपफेक वॉयस सॉफ़्टवेयर सोशल मीडिया के लिए छोटे क्लिप से अधिक कर सकते हैं। रीस्पीचर की मांग इसकी उच्च गुणवत्ता वाली सिंथेसाइज़्ड स्पीच क्षमताओं और मानव आवाज़ों की नकल करने के सिद्ध रिकॉर्ड के कारण बहुत अधिक है।
रियल-टाइम वॉयस क्लोनिंग
हर किसी के पास हर महीने रीस्पीचर पर सैकड़ों डॉलर खर्च करने या उपयोगकर्ता कतार में प्रतीक्षा करने के लिए नहीं होते। कुछ लोग अधिक किफायती, शायद मुफ्त, विकल्प चाहते हैं। रियल-टाइम वॉयस क्लोनिंग ओपन-सोर्स सॉफ़्टवेयर है जिसे कोई भी GitHub पर एक्सेस कर सकता है।
यह किसी अन्य व्यक्ति की आवाज़ में वॉयस रिकॉर्डिंग उत्पन्न करने के लिए काम करने के लिए सबसे आसान स्पीच सिंथेसिस सॉफ़्टवेयर नहीं है, लेकिन यह छोटे ऑडियो क्लिप के साथ काम करता है। कुछ उपयोग मामलों में, ऑडियो नमूने एलेक्सा को धोखा देने या कुछ मज़ाकिया फोन कॉल करने के लिए पर्याप्त हो सकते हैं।
आईस्पीच
आईस्पीच एक और मुफ्त वॉयस जनरेटर है जो वॉयस क्लोनिंग पर केंद्रित है। इसमें उन्नत स्पीच रिकग्निशन सॉफ़्टवेयर और एक टेक्स्ट-टू-स्पीच रीडर भी है। ऐप में विस्तारित कार्यक्षमता और सेलिब्रिटी आवाज़ों का एक मौजूदा संग्रह है।
आप आईस्पीच का उपयोग कस्टम वॉयस डीपफेक और अनोखे टेम्पलेट बनाने और अपनी आवाज़ रिकॉर्ड करने के लिए कर सकते हैं। यह एक बहुमुखी उपकरण है, हालांकि इस सूची में अन्य की तरह आश्वस्त नहीं है। फिर भी यह डीपफेक की दुनिया में एक शानदार परिचयात्मक ऐप के रूप में कार्य करता है।
स्पीचिफाई – प्राकृतिक ध्वनि वाली मानव आवाज़ें बनाएं
स्पीचिफाई गहरे सीखने के एल्गोरिदम का अधिकतम उपयोग करता है ताकि प्राकृतिक ध्वनि वाली मानव आवाज़ें उत्पन्न की जा सकें जो किसी विशिष्ट व्यक्ति की आवाज़ की नकल किए बिना मानव जैसी लगती हैं। हालांकि डीपफेक के कई साइबर सुरक्षा चिंताएं हैं, टेक्स्ट-टू-स्पीच सॉफ़्टवेयर आमतौर पर अधिक सहायक होता है।
स्पीचिफाई वॉयस ओवर स्टूडियो आज़माएं पॉडकास्ट और कथाएँ बनाने के लिए, जटिल सामग्री को अधिक आसानी से पढ़ने के लिए, एक नई भाषा सीखने के लिए, और भी बहुत कुछ।
सामान्य प्रश्न
क्या फेकयू मुफ्त है?
फेकयू एक सीमित लेकिन मुफ्त एआई वॉयस जनरेटर है। इसमें सेलिब्रिटी जैसी आवाज़ों की एक विस्तृत लाइब्रेरी है, और कोई भी इसका उपयोग कर सकता है यदि वे अक्सर धीमी रूपांतरण समय की परवाह नहीं करते। आखिरकार, इसे ब्राउज़र में उपयोग करना आसान है।
आप डीपफेक आवाज़ों का पता कैसे लगा सकते हैं?
डीपफेक आवाज़ों का पता लगाने के लिए अत्यधिक उन्नत सॉफ़्टवेयर और हार्डवेयर की आवश्यकता होती है ताकि भाषण पैटर्न, पृष्ठभूमि शोर और अन्य तत्वों को तोड़ा जा सके।
डीपफेक आवाज़ और वॉयस सिंथेसाइज़र में क्या अंतर है?
डीपफेक आवाज़ें अक्सर क्लोन की गई आवाज़ों को संदर्भित करती हैं, जबकि वॉयस सिंथेसाइज़र व्यावसायिक उद्देश्यों के लिए मानव जैसी आवाज़ें उत्पन्न करते हैं।
पिछला
क्लिफ वेट्ज़मैन
क्लिफ वेट्ज़मैन डिस्लेक्सिया के समर्थक और स्पीचिफाई के सीईओ और संस्थापक हैं, जो दुनिया का नंबर 1 टेक्स्ट-टू-स्पीच ऐप है, जिसे 100,000 से अधिक 5-स्टार समीक्षाएं मिली हैं और यह ऐप स्टोर में न्यूज़ और मैगज़ीन श्रेणी में पहले स्थान पर है। 2017 में, वेट्ज़मैन को फोर्ब्स 30 अंडर 30 सूची में शामिल किया गया था, उनके काम के लिए जो उन्होंने सीखने की अक्षमताओं वाले लोगों के लिए इंटरनेट को अधिक सुलभ बनाने में किया। क्लिफ वेट्ज़मैन को एडसर्ज, इंक., पीसी मैग, एंटरप्रेन्योर, मैशेबल, और अन्य प्रमुख आउटलेट्स में चित्रित किया गया है।