Microsoft phát triển AI Vall-E có thể nhái giọng người chỉ sau 3 giây thu âm

Thứ Hai 28/08/2023
GVN360

Vall-E được phát triển bởi 1 đội ngũ nhà nghiên cứu ở Microsoft, và nó sử dụng hệ thống mới toanh để học cách nói chuyện.

Vall-E là 1 trí thông minh nhân tạo (AI) được phát triển bởi 1 nhóm nhà nghiên cứu tại Microsoft. Nó có thể nhại theo giọng người nói với chất lượng rất tốt chỉ sau vài giây nghe đoạn thu âm mẫu. Vall-E không phải là công cụ giọng nói đầu tiên được ứng dụng AI, nhưng nó hứa hẹn sẽ xịn sò hơn tất cả các công cụ tương tự.

Vall-E được huấn luyện với khối lượng dữ liệu cực kỳ lớn và đa dạng, bao gồm 60.000 giờ thu âm giọng nói bằng tiếng Anh được thu thập từ hơn 7000 người nói độc nhất (unique speaker), tất cả đều được chuyển thành chữ viết bởi phần mềm nhận dạng giọng nói.

Lượng dữ liệu nạp vào AI chứa nhiều thông tin nhiễu (noisy speech) và sai sót hơn so với các hệ thống text-to-speech khác (chuyển từ chữ viết sang giọng nói). Tuy nhiên, các nhà nghiên cứu tin rằng do lượng thông tin nạp vào vô cùng lớn, cộng với việc nó cực kỳ đa dạng, cho nên Vall-E sẽ linh hoạt, dễ dàng thích nghi hơn, và quan trọng nhất là sẽ tự nhiên hơn so với những phương pháp trước đây. Ngoài ra, các nhà nghiên cứu còn nhận thấy Vall-E còn có thể giữ lại được cảm xúc của người nói.

Bạn có thể nghe thử kết quả của Vall-E tại đây (valle-demo.github.io/), cùng với đó là một vài đoạn phân tích cách thức hoạt động của nó. Có cái thì nghe sẽ giống robot, có cái thì nghe giống người hơn, nhưng nhìn chung thì với bản demo như thế thì quá là ấn tượng luôn rồi. Trong vòng vài năm tới, khi hệ thống này được cải thiện, dữ liệu nạp vô đa dạng hơn thì kết quả cho ra nhiều khi không biết đâu là người đâu là máy luôn các bạn ạ.

Các nhà nghiên cứu cũng biết được rằng do Vall-E có thể tự nói với giọng nghe y chang người thật, cho nên nó sẽ có rủi ro là kẻ gian sẽ lợi dụng điều này để đánh lừa hệ thống bảo mật, hoặc giả danh làm 1 ai đó nhằm mục đích trục lợi bản thân. Để hạn chế điều này, các nhà nghiên cứu cho biết họ có thể tạo ra 1 mô hình để nhận biết xem đoạn âm thanh đó có được tạo bởi Vall-E hay không. Ngoài ra, họ cũng sẽ tuân theo các quy định trong Microsoft AI Principles khi phát triển các mô hình.

Tóm tắt ý chính:

Vall-E là 1 trí thông minh nhân tạo được phát triển bởi 1 nhóm nhà nghiên cứu tại Microsoft
Nó có thể nhại theo giọng người nói với chất lượng rất tốt chỉ sau vài giây nghe đoạn thu âm mẫu
Vall-E được huấn luyện với lượng dữ liệu từ 60.000 giờ thu âm giọng nói bằng tiếng Anh được thu thập từ hơn 7000 người nói độc nhất
Các nhà nghiên cứu tin rằng Vall-E sẽ linh hoạt, dễ dàng thích nghi hơn, và nghe sẽ tự nhiên hơn so với những phương pháp trước đây
Các nhà nghiên cứu còn nhận thấy Vall-E còn có thể giữ lại được cảm xúc của người nói

Mời các bạn tham khảo thêm một số thông tin liên quan tại GEARVN như:

Nguồn: PC Gamer