Microsoft criou um gerador de voz humana tão bom que ficou perigoso

A Microsoft alcançou um novo patamar na tecnologia de criação de voz com o desenvolvimento do VALL-E 2. Ele é um modelo de inteligência artificial capaz de replicar a voz humana com uma precisão nunca antes vista. No entanto, devido aos potenciais riscos associados, a companhia decidiu não disponibilizar a tecnologia ao público.

Detalhes de um artigo pré-publicado em junho mostram que o VALL-E 2 representa um marco significativo na criação de voz a partir de texto. Este modelo conseguiu, pela primeira vez, atingir a “paridade humana”, o que significa que suas capacidades de replicação de voz são indistinguíveis das de um ser humano, podendo até superá-las em alguns casos.

Os experimentos realizados nos conjuntos de dados LibriSpeech e VCTK mostraram que o VALL-E 2 supera os sistemas anteriores de TTS em diversos fatores, como naturalidade e similaridade de voz.

“Este é o primeiro modelo do seu tipo a alcançar paridade humana nessas métricas”, afirmam os pesquisadores no documento. Apesar de seu avanço tecnológico, a Microsoft classifica o VALL-E 2 como “estritamente um projeto de pesquisa”.

A empresa enfatiza que não tem planos de integrar esse modelo em um produto comercial ou de expandir seu acesso ao público. A decisão baseia-se em preocupações éticas e de segurança, principalmente pelo potencial de uso indevido em fraudes e falsificações.

Leia mais

A Microsoft também explorou possíveis aplicações benignas da tecnologia. Entre elas o potencial em setores como educação, jornalismo, criação de conteúdo autoral, recursos de acessibilidade, sistemas de resposta por voz, tradução e chatbots.

Por fim, em uma postagem no blog da empresa, os desenvolvedores discutem como o VALL-E 2 poderia beneficiar esses campos. Além disso, oferecem soluções inovadoras que ainda resguardam a integridade e a segurança dos usuários.

Fonte: Tweak Town