Deepfake glasovi i pretvaranje teksta u govor
Zahvaljujući napretku umjetne inteligencije (AI) i dubokog učenja, danas je moguće stvarati visokokvalitetne i realistične sintetičke medije. Ta je tehnologija otvorila mnoga nova kreativna rješenja u raznim industrijama. Jedna od tih tehnologija su deepfakeovi, odnosno sintetički glasovi i kloniranje glasa.
Što su deepfake glasovi?
Deepfake znači sintetički medij, poznat i kao kloniranje glasa. Uz AI moguće je napraviti video deepfakeove koji na ekranu zamjenjuju nečiji izgled s drugim osobama ili nekoga navesti da „izgovori” nešto što nikad ne bi rekao, što se često naziva kloniranjem glasa. Zamislite da možete imati glas Arnolda Schwarzeneggera koji govori što god poželite.
Proces zahtijeva poseban softver koji analizira lica, obrađuje glas iz tekstualnih skripti te modelira pokrete usta u trodimenzionalnom prostoru.
Postoje napredne primjene ove tehnologije, a kloniranje glasa je jedna od njih. Gotovo svatko, čak i oni koji nisu „tech geekovi”, negdje su naišli na neki deepfake skandal. Nedavno je objavljen i posthumni dokumentarac o Tonyju Bourdainu koji je publiku iznenadio naracijom njegovim glasom iako ga više nema.
IT startupovi su pomogli produkcijskoj kući da rekreira Bourdainov glas radi autentičnosti priče. Veliko je to postignuće, ali povlači mnoge etičke izazove. Na kraju krajeva, dovoljno je imati računalo i pravi softver da bi se stvorila lažna snimka ili zlonamjeran zvuk o bilo kome.
Kako se zapravo izrađuju deepfakeovi?
Prvo morate prikupiti dovoljno uzoraka nečijeg glasa. Izvori mogu biti objave na društvenim mrežama, telefonski razgovori, televizija i slično. Softver pogonjen AI algoritmima zatim spaja uzorke i stvara lažni glas.
Ovo je osnovni pregled kompleksnog procesa, ali u konačnici, AI alati koriste prikupljene podatke za stvaranje prirodnih glasova koji mogu čitati digitalni tekst. Zato su deepfakeovi usko povezani s tekstom u govor (TTS) tehnologijom.
Integracija deepfake glasova u tekst-u-govor
Korisnici mogu mijenjati visinu, dob i naglasak uz deepfake glasove integrirane u TTS sustave. Mogu izraditi sintetizirane glasove po vlastitoj mjeri, npr. kod govorne invalidnosti. Takva prilagodba znatno poboljšava komunikaciju i kvalitetu života.
Deepfake glasovima moguće je izraditi kvalitetniji audio sadržaj koji privlači i zadržava publiku. Mogu oponašati poznate naratore ili zvijezde kako bi fascinirali slušatelje. To je posebno korisno za audioknjige i podcaste, gdje glas nosi emocije i angažman publike.
Međutim, deepfake glasovi u TTS sustavima otvaraju mnoga etička pitanja. Oni omogućuju manipulaciju i lažno predstavljanje — ljudi mogu biti prevareni bez pristanka. Zbog toga su potrebne stroge kontrole i zakoni za ispravnu i etičku upotrebu ove tehnologije.
Korištenje deepfake glasova u TTS sustavima nudi priliku za personaliziranu, zanimljivu sintezu glasa. Tehnologija može znatno poboljšati pristupačnost i zadovoljstvo korisnika — pod uvjetom da se koristi etički.
Prednosti
Deepfake tehnologija ima neke jasne prednosti. Video „This Is Not Morgan Freeman” iz 2021. pokazao je kako napredna tehnologija može imati praktičnu primjenu.
Prikazano je da su treniranjem AI-ja na audio i video uzorcima mogli stvoriti imitaciju slavnog glumca, od govora do pokreta. Ima svojih etičkih problema, ali neprocjenjivo je, primjerice, za nekoga poput Vala Kilmera.
Iako je Kilmer zbog raka grla izgubio glas, mnogi su mislili da je njegova holivudska karijera gotova. U Amazon Prime dokumentarcu njegov mu je sin pozajmljivao glas za nove uloge.
Kad je Kilmer surađivao sa startupom Sonantic, napokon je dobio svoj glas natrag. Deepfake tehnologijom ponovno su stvorili Kilmerov glas i publika ga je mogla čuti u novom filmu Top Gun: Maverick.
Nedostaci
Strojno učenje može replicirati nečiji glas čak i u gradovima poput New Yorka, koji brzo usvajaju nove tehnologije. To olakšava prijevare i krađu osobnih podataka putem lažnih poziva.
Etičke dileme deepfake tehnologije
Upotreba deepfake glasova i deepfake teksta u govor nosi brojne etičke dileme. Kako tehnologija napreduje, pojavljuju se novi izazovi. Na primjer, deepfake glas Arnolda Schwarzeneggera toliko je uvjerljiv da zavarava ljude — što potiče sumnju i nepovjerenje u sve što se čuje.
Svako novo digitalno rješenje traži pažljivo razmatranje mogućih opasnosti. Deepfakeovi mogu zavarati i utjecati na ljude samo glasom. Zbog toga postoji opravdan strah od narušavanja povjerenja i privatnosti.
Najveći problem je zlouporaba deepfakeova. Još je opasnije korištenje sintetičkih glasova za telefonske prevare i široke kampanje dezinformiranja. Zamislite da primite poziv s glasom bliske osobe, a zatim shvatite da je to samo trik. Takva manipulacija može teško naštetiti osobama, zajednicama pa čak i državama.
Smanjenje zloupotrebe deepfake glasova
Za smanjenje tog rizika važni su snažni propisi i edukacija korisnika. Deepfake glasovi moraju se koristiti odgovorno i uz jasne smjernice vlade i tehnoloških kompanija. Postoje i učinkovite mjere za prepoznavanje i suzbijanje zloupotrebe, uključujući edukaciju korisnika o mogućoj štetnoj upotrebi sintetičkog glasa.
Potrebno je inovirati, ali bez prelaska granica. Iako je razvoj tehnologije obećavajuć, potrebna je transparentnost i odgovornost. Korisnici moraju biti informirani o sintezi glasa kako bi mogli prepoznati što je stvarno, a što lažno.
Pravo i privatnost kod deepfake glasova
Pravna i pitanja privatnosti također se otvaraju kod deepfake glasova. Pojavljuje se dilema oko vlasništva sintetiziranog glasa i mogućnosti njegove zlouporabe bez odobrenja. Potrebne su jasne smjernice za zaštitu prava pojedinaca i odgovornu upotrebu tehnologije.
Rasprava o etici deepfake glasova zahtijeva otvoren dijalog. Eticisti, političari, tehnolozi i šira javnost moraju zajedno rješavati te izazove i usmjeravati budućnost ove tehnologije u korist društva.
Zamislite da primite poziv s glasom prijatelja ili člana obitelji — a zapravo je to lažan glas koji vas želi prevariti. Takvo što može štetiti pojedincima, zajednici pa i cijelim državama. Deepfake glasovi imaju brojne primjene — od zabave, poput Alexe s glasom slavne osobe, do ozbiljnih zlouporaba.
Potreba za regulacijom etičke upotrebe deepfake glasova
Kako bismo zaštitili ljude, potrebna su jasna pravila i edukacija o lažnim glasovima. Vlade i tehnološke tvrtke moraju surađivati, donositi regulative o korištenju deepfake glasova te razvijati načine za otkrivanje i zaustavljanje zloupotreba.
Kod korištenja deepfake glasova treba biti oprezan i etičan. Iako su ti alati inovativni, važno je koristiti ih pošteno. Ljudi trebaju znati kad je glas koji čuju kreiran računalom kako bi mogli odlučiti hoće li mu vjerovati.
Važno je otvoreno razgovarati o problemima deepfake glasova. Svatko — od stručnjaka do „običnih” ljudi — treba dijeliti mišljenja kako bismo tu tehnologiju koristili za opće dobro.
Srećom, kako softver za izradu glasova napreduje, sve ćemo bolje otkrivati lažne glasove. Tehnološke tvrtke razvijaju alate za prepoznavanje i zaustavljanje lažnih glasova, što pomaže bankama i pozivnim centrima u New Yorku da razlikuju osobe od računala.
Deepfake softver za glas koji vrijedi isprobati
AI alati mogu pozitivno utjecati na mnoge živote, a možda i vi želite probati kreirati vlastiti audio deepfake. Za ozbiljne rezultate treba jače računalo i softver, ali postoje programi za izradu prirodnih glasova. Ovo je pet generatora deepfake glasova koje možete isprobati:
Resemble
Resemble AI je tekst-u-govor i deepfake alat za stvaranje ljudskih glasova iz ograničenih podataka. Uz samo pet minuta audio snimaka korisnici mogu izraditi svoj prvi deepfake.
Možete testirati tu funkciju tako da aplikaciji date svoj glas, a za par minuta čut ćete sebi poznat glas. Korisnici cijene jednostavno sučelje Resemblea i mogućnost podešavanja intonacije izlaznog glasa.
Descript
Ovaj napredni sintetizator govora ima moćne mogućnosti uređivanja. Analizira snimke, video klipove i transkripte za generiranje AI glasova. Ako niste zadovoljni kvalitetom, sve možete urediti unutar aplikacije — bez novih snimaka.
Glavni cilj Descripta je pomoći kreatorima sadržaja u izradi visokokvalitetnih voiceovera za podcaste i videe. Program nudi brojne unaprijed pripremljene glasove kako biste se upoznali s njegovim mogućnostima.
ReSpeecher
ReSpeecher je pouzdano deepfake rješenje koje je pomoglo rekreirati glas Lukea Skywalkera u The Mandalorian. Iako je softver prvenstveno namijenjen za filmove i serije, odličan je i za voiceovere za reklame, animacije, igre, podcaste i još mnogo toga.
iSpeech
iSpeech postoji kao desktop program i u web verziji. Osim sinteze glasa, nudi TTS, web čitanje i prepoznavanje govora. Možete isprobati demo s glasovima Baracka Obame, Arnolda Schwarzeneggera ili Scarlett Johansson.
Real-Time voice cloning
Ovaj open-source projekt besplatan je na GitHubu. Može sintetizirati glas osobe uz samo pet sekundi uzorka, no zahtijeva barem osnovno tehničko znanje za korištenje.
Speechify – jednostavna alternativa deepfake glasovima
Aplikacije za tekst u govor (TTS) kao što je Speechify i deepfake generatori koriste slične tehnologije, ali za različite svrhe. Speechify je alat za TTS ili čitanje na glas koji može pročitati gotovo svaki tekst, digitalni ili tiskani. Nakon što se Word dokument, članak ili transkript učita u aplikaciju, korisnik bira željeni glas naratora, a Speechify zatim čita sadržaj naglas.
Program nudi mnogo kvalitetnih muških i ženskih glasova i podržava više od 20 jezika: engleski, španjolski, francuski, talijanski i portugalski. Ako želite ubrzati produktivnost i čuti glas slavne osobe, isprobajte Gwyneth Paltrow glas u Speechifyu.
Preuzmite program za računalo, iPhone ili Android uređaj i probajte Speechify besplatno već danas.
FAQ
Je li FakeYou besplatan?
FakeYou je besplatan i jednostavan program za izradu prirodnih glasova.
Kako prepoznati deepfake glas?
Teško je otkriti deepfake glasove bez naprednog softvera. Sigurnosne tvrtke koriste glasovnu biometriju za sprječavanje prijevara.
Koje su opasnosti deepfake glasova?
Deepfake glasovi mogu služiti zlonamjernim ciljevima, širiti dezinformacije, uništavati reputaciju i rušiti povjerenje u institucije.
