Ученые из Китая анонсировали технологию Deep Voice, которая работает на основе машинного обучения и с помощью коротких семплов способна обмануть систему распознавания голоса. Она тренировалась на основе звуковой записи, длящейся более 800 часов и включающей в себя около 2400 разных голосов. Как рассказали разработчики, для эффективной работы нейросети нужно около 100 пятисекундных звуковых сигналов.
Deep Voice способна имитировать тембр, интонацию голоса и делает их неотличимыми от настоящих. По мнению создателей, она может использоваться в роли цифровых помощников, в записи голоса для видеоигр, музыки и в синхронном переводе. Кроме того, она может служить тем, кто утратил возможность говорить. Ученые также отметили, что Deep Voice умеет менять голос, делая его мужским вместо женского или добавляя ему иностранный акцент.
«Это настоящий прорыв с технической точки зрения, — отметил один из авторов разработки Лео Зу. — Нам удалось решить сложнейшую генеративную проблему, а именно, мы смогли синтезировать живую речь со всеми ее особенностями».
Google создал генератор речи, неотличимый от голоса человека
Кейсы
Это не первая инновация в этом направлении — канадские разработчики ранее презентовали голосовой сервис под названием Lyrebird. Он сжимает все индивидуальные речевые характеристики в очень короткую запись, воспроизводя 1000 предложений всего за полсекунды. Он также способен копировать любые бытовые звуки — например, работающую бензопилу или пение конкретного вида птиц, может изображать сердитый, веселый или сочувствующий тон. Канадская разработка, также как и Deep Voice, применяется для работы голосовых помощников, озвучивания мультимедийных продуктов и синтеза речи людей с ограниченными возможностями.
Однако канадские и китайские разработчики отмечают, что у технологий есть общая проблема: им могут воспользоваться мошенники для того, чтобы вводить людей в заблуждение или воспользоваться возможностями программ, которые работают на основе распознавания речи. Юристы также отмечают, что в связи с этим опасаются, что в скором времени аудиозаписи будут менее значимым доказательством в судах.