OpenAI acaba de anunciar una nueva herramienta llamada Voice Engine. Se trata de una tecnología de clonación de voz que puede imitar a cualquier hablante analizando una muestra de audio de 15 segundos. La compañía dice que genera «un discurso que suena natural» con «voces emotivas y realistas».

La tecnología se basa en la de la empresa y ha estado en desarrollo desde 2022. OpenAI ya ha estado utilizando una versión del conjunto de herramientas para potenciar las voces preestablecidas disponibles en la API actual de texto a voz y la función Leer en voz alta. Hay un montón de muestras en el blog oficial de la compañía y suenan inquietantemente cercanas a las reales. Te animo a que los escuches e imagines las posibilidades, tanto buenas como malas.

OpenAI dice que considera que esta tecnología es útil para ayudar a leer, traducir idiomas y ayudar a quienes sufren condiciones del habla repentinas o degenerativas. La compañía presentó una solución que ayudó a un paciente con problemas de habla mediante la creación de un clon de Voice Engine extraído del audio grabado para un proyecto escolar.

A pesar de los beneficios potenciales, los malos actores ciertamente abusarían de esta tecnología para participar en algunas tonterías graves y falsas. Con esto en mente, Voice Engine no está listo para el horario de máxima audiencia, ya que existen serias preocupaciones de privacidad que deben resolverse antes de un lanzamiento completo.

OpenAI reconoce que esta tecnología tiene «graves riesgos, que son especialmente importantes en un año electoral». La compañía dice que está incorporando comentarios de “socios estadounidenses e internacionales de todo el gobierno, los medios, el entretenimiento, la educación, la sociedad civil y más” para garantizar que el producto se lance con una cantidad mínima de riesgo. Todos los evaluadores de la versión preliminar aceptaron las políticas de uso de OpenAI, que prohíben la suplantación de otra persona sin consentimiento o derecho legal.

Además, cualquiera que utilice la tecnología deberá revelar a su audiencia que las voces están generadas por IA. OpenAI implementó medidas de seguridad, como marcas de agua para rastrear el origen de cualquier audio y un «monitoreo proactivo» de cómo se utiliza el sistema. Cuando el producto se lance oficialmente, habrá una “lista de voces prohibidas” que detecta y previene a los oradores generados por IA que son demasiado similares a figuras prominentes.

En cuanto a cuándo se producirá ese lanzamiento, OpenAI se mantiene en silencio. TechCrunch y parece que se socavará. Voice Engine podría costar 15 dólares por millón de caracteres, lo que equivale a unas 162.500 palabras. Esto es aproximadamente la duración de Stephen King. el resplandor. Ciertamente parece una forma económica de hacer un audiolibro. Los materiales de marketing también hacen referencia a una versión «HD» que cuesta el doble, pero la empresa no ha detallado cómo funcionará.

OpenAI ha dado grandes pasos esta semana. Acaba de anunciar otra asociación con su mejor amigo Microsoft para construir una supercomputadora basada en inteligencia artificial llamada «Stargate». Según se informa, el proyecto costará la friolera de 100 mil millones de dólares, .

Este artículo contiene enlaces de afiliados; Si hace clic en dicho enlace y realiza una compra, podemos ganar una comisión.

Todos sabemos cómo YouTube está trabajando actualmente para que la plataforma funcione mejor con la ayuda de la IA. Sin embargo, la IA ha demostrado ser un arma de doble filo para la plataforma, por un lado. La empresa quiere introducir nuevas funciones relacionadas con la IA en la plataforma y, por otro lado, debe asegurarse de que no se haga un mal uso de la IA en la plataforma.

YouTube está trabajando en un montón de nuevas funciones de IA generativa que podrían cambiar drásticamente la plataforma.

Es seguro decir que YouTube tiene mucho por trabajar para garantizar que la IA no termine dañando la plataforma. Por ejemplo, hay una canción en la plataforma llamada Heart on My Sleeve que tiene voces generadas por IA de The Weeknd y Drake, ambos artistas que encabezan las listas. Sin embargo, el problema para el servicio de streaming es que si se emula la voz y se sube el vídeo a la plataforma, podría derivar en una demanda masiva.

Para echar más leña al fuego que ya está ahí, detectar contenido generado por IA en YouTube no es una tarea fácil ni siquiera para la empresa. Sin embargo, ahora sabemos que la plataforma está trabajando en algunas funciones que te permitirán emular la voz de un artista, pero esta vez de forma legal.

La primera característica que conocemos se llama Dream Track. Funciona exactamente como ChatGPT, pero en lugar de darte respuestas, crea la pista que tú deseas. Por ejemplo, quieres una canción Type O Negative, pero con la voz y el estilo de Chester Bennington de Linkin Parks, Dream Track te permitirá hacerlo. Ahora, el problema aquí es que sólo generará un clip de 30 segundos, por lo que no tendrás ninguna posibilidad de hacer trampa con los espectadores.

YouTube está trabajando en otra herramienta llamada Lyrica, Google Deepmind crea esta herramienta y te permitirá cantar o tararear una pieza corta de Melody, y la herramienta creará la pista para ti en cualquier pista que desees. Por último, tenemos Dream Screen, que es la forma que tiene la empresa de detectar si algo está creado o no mediante IA. La herramienta agregará una nota muy aguda que el oído humano no puede escuchar y permitirá a la plataforma determinar si la pista fue generada por IA.

Según lo informado por Variedadel anuncio de 22 segundos mostraba a Johansson detrás de escena mientras filmaba Viuda negra, donde en realidad dice “¿Qué pasa chicos? Soy Scarlett y quiero que vengas conmigo”. Pero luego, el anuncio se aleja de Johansson, mientras una voz generada por IA que suena como la actriz dice: “No se limita solo a avatares. También puedes crear imágenes con textos e incluso tus videos de IA. Creo que no deberías perdértelo”.

En la parte inferior del anuncio, Variedad informa que Convert Software, el desarrollador detrás de la aplicación, incluyó un texto que dice: “Imágenes producidas por Lisa AI. No tiene nada que ver con esta persona”. Los representantes de Johansson lo dicen Variedad que la actriz nunca fue portavoz de la aplicación y que su abogado, Kevin Yorn, “manejó la situación a título legal”.

“No tomamos estas cosas a la ligera. Según nuestro curso de acción habitual en estas circunstancias, lo abordaremos con todos los recursos legales que tengamos”, dijo Yorn en un comunicado a Variedad. Ni Yorn ni Convert Software respondieron a El bordeSolicitud de comentarios sobre la naturaleza de la acción legal.

El lunes, Spotify lanzó un programa piloto limitado que utiliza IA para traducir automáticamente podcasts a varios idiomas, utilizando tecnología de síntesis de voz de OpenAI para preservar la voz del hablante original. La función tiene como objetivo ofrecer una experiencia auditiva más auténtica en comparación con el doblaje tradicional. También podría introducir errores de idioma que son difíciles de detectar para hablantes no nativos, ya que la traducción automática está lejos de ser una tecnología perfecta.

En su comunicado de prensa anunciando el programa, Spotify dice que es una plataforma que permite a los creadores compartir su trabajo en todo el mundo. Luego plantea una pregunta: «Con los avances recientes, nos hemos estado preguntando: ¿hay más formas de cerrar la brecha lingüística para que estas voces puedan ser escuchadas en todo el mundo?»

La respuesta de Spotify es Voice Translation, que supuestamente puede traducir voces en inglés al español, francés y alemán conservando las características vocales distintivas del hablante. Actualmente, la función se utiliza únicamente con podcasters seleccionados, como Dax Shepard, Monica Padman, Lex Fridman, Bill Simmons y Steven Bartlett.

«Creemos que un enfoque reflexivo de la IA puede ayudar a construir conexiones más profundas entre oyentes y creadores, un componente clave de la misión de Spotify de desbloquear el potencial de la creatividad humana», dijo Ziad Sultan, vicepresidente de personalización de Spotify, en el anuncio.

Spotify dice que los episodios traducidos estarán disponibles en todo el mundo para usuarios Premium y Free. Los usuarios pueden acceder a las traducciones a través de la «Vista de reproducción en curso» de Spotify para ver los episodios compatibles o un Centro de traducciones de voz dedicado que continuará agregando más contenido traducido.

En X, Lex Friedman publicó una muestra de su voz clonada y traducida al español, escribiendo: «Este soy yo hablando español, gracias al increíble trabajo de Spotify Ingenieros de IA. La traducción y la clonación de voz se realizan íntegramente mediante IA. El lenguaje puede crear barreras de comprensión y, por tanto, alimentar la división. No puedo esperar a que la IA derribe esta barrera y revele nuestra humanidad común».

Perdido en la traducción

Pero no todos los podcasters están entusiasmados con el potencial de las traducciones automatizadas con IA. En reacción a las noticias en BlueSky, el cocreador y copresentador de Retronauts, Jeremy Parish, publicó: «Otra razón para poner los ojos en blanco cuando la gente pregunta por qué no hacemos que el podcast esté disponible en Spotify».

En el pasado, hemos visto la tecnología de clonación de voz de Microsoft y Meta analizar muestras de audio fuente y luego aumentar ese audio con un gran conjunto de datos de entrenamiento de voces para sintetizar una voz nueva y similar. Esa tecnología puede fallar potencialmente cuando el estilo vocal de una persona no está bien representado en el conjunto de datos de las muestras de entrenamiento, especialmente con ciertos acentos.

Aquí, Spotify está agregando una capa adicional de complejidad, con la esperanza de traducir perfectamente el significado entre idiomas sin cometer errores, algo que Meta también ha intentado con SeamlessM4T. Durante la última década, la traducción impulsada por la IA ha logrado grandes avances, pero no ha dejado completamente fuera del juego a los traductores humanos. Los expertos de la industria señalan que estos sistemas todavía se equivocan con los matices y no comprenden el contexto cultural, lo que afecta la calidad del material traducido.

Los usuarios expertos en tecnología probablemente esperen errores de traducción cuando la fuente está correctamente estructurada como una traducción automática, pero cuando los errores vienen en la propia voz del podcaster, puede agregar una nueva dimensión de problemas, especialmente si el audio traducido se saca de contexto y Más tarde se supuso que era original. Además, si el hablante original no conoce el idioma traducido, no puede verificar si la traducción refleja con precisión sus intenciones originales. Esto pone mucha confianza (y reputación personal) en manos de tecnología de automatización no probada.

Por ahora, parece que el programa de Spotify está funcionando de forma limitada y voluntaria solo entre podcasters seleccionados, por lo que los problemas de consentimiento sobre la clonación de voces de invitados de podcasts no parecen estar en juego a menos que esto se implemente más ampliamente. En el futuro, Spotify dice que espera recopilar comentarios de creadores y oyentes para perfeccionar la función de traducción de voz. Sin embargo, con más de 100 millones de oyentes habituales de podcasts en la plataforma, son 100 millones de maneras en que este experimento podría salir mal si la tecnología de traducción comete errores vergonzosos.

Los actores de Hollywood están llamando la atención en parte porque los grandes estudios quieren usar IA para clonar actores de fondo y usar sus semejanzas a perpetuidad, por solo $200.

El principal sindicato laboral de actores, Screen Actors Guild y American Federation of Television and Radio Artists (SAG-AFTRA), mencionó la supuesta propuesta en una conferencia de prensa el jueves.(Se abre en una nueva ventana). Los estudios de Hollywood calificaron la idea de «innovadora», pero el principal negociador de SAG-AFTRA, Duncan Crabtree-Ireland, no está de acuerdo con vehemencia.

“Propusieron que nuestros artistas de fondo deberían poder ser escaneados, cobrar el pago de un día, y sus empresas deberían poseer ese escaneo, su imagen, su semejanza, y deberían poder usarlo por el resto de la eternidad en cualquier proyecto. quieren, sin consentimiento y sin compensación”, afirma.

Esto ha provocado una reacción violenta contra el estudio de Hollywood, ya que el auge de la IA ya está generando preocupaciones de que la inteligencia artificial algún día robará trabajos a los humanos. Actualmente, a los actores secundarios típicos se les puede pagar(Se abre en una nueva ventana) $ 179 a $ 226 por concierto. Pero la propuesta de los estudios de Hollywood podría disminuir seriamente sus ganancias, permitiendo que las producciones paguen fondos adicionales una vez para usar su imagen no solo para un programa de televisión o una película, sino para muchos más.

SAG-AFTRA ha llamado a los actores de Hollywood a la huelga en parte para luchar por(Se abre en una nueva ventana) contratos “que los protegen de que se explote su identidad y talento sin consentimiento y pago”. El sindicato también exige salarios más altos, incluidos mayores pagos de regalías de los servicios de transmisión.

“Todo el modelo de negocio ha cambiado con la transmisión, la digitalización y la IA”, dijo la presidenta de SAG-AFTRA, Fran Drescher, mejor conocida por su papel protagónico en La niñera comedia de televisión.

Sin embargo, la asociación comercial que representa a los estudios de Hollywood afirma que le ofreció a SAG-AFTRA un trato justo, incluido el uso de IA durante las producciones.

“La AMPTP presentó un acuerdo que ofrecía aumentos salariales y residuales históricos, límites sustancialmente más altos en las contribuciones de pensión y salud, protecciones de audición, períodos de opciones de series más cortos y una propuesta innovadora de IA que protege las imágenes digitales de los actores para los miembros de SAG-AFTRA”, dijo el comunicado. dijo la asociación en un comunicado(Se abre en una nueva ventana).

“Lamentablemente, la Unión ha elegido un camino que conducirá a dificultades financieras para incontables miles de personas que dependen de la industria”, agregó la AMPTP.

Si bien hay mucho por lo que estar desconcertado en términos de VFX en «The Flash», las escenas con dos Barry Allen son bastante perfectas. En una película que logró profanar la memoria de Christopher Reeve con un doble CGI que parece tan convincente como un recorte de cartón que se ha dejado afuera bajo la lluvia, las escenas del doble Barry son un triunfo relativo. Ezra Miller interactúa con su doble en pantalla de una forma tan impresionantemente natural que realmente te hace preguntarte cómo lo lograron todo.

Bueno, no se pregunte más, porque Andy Muschietti lo ha revelado todo en el último episodio del podcast Toolkit de IndieWire. Resulta que utilizaron un método completamente nuevo para filmar estas escenas llamado «Captura de volumen», que implicó capturar un «escaneo fotorrealista de una actuación» después de filmar toda la película, y luego editar esa actuación nuevamente en la película. Muschietti explicó cómo filmó cada escena que involucraba a los dos Barry con Miller y otro actor, que actuaría frente a Miller con una cámara en la cabeza. ¿Por qué? Porque una vez que se filmaron todas las escenas, Muschietti podría usar las imágenes de esta cámara en algo llamado «el volumen». Como dijo el cineasta:

«Cuando finalmente se edita la película y sabes cada parte de la escena con las tomas y todo, traes a Ezra de vuelta a esta cosa llamada Volumen, que es básicamente una habitación con cien cámaras. El resultado de eso es que terminar con un activo digital de una actuación que es fotorrealista, porque fue capturado por cien cámaras. [they] están interactuando con una proyección en las paredes donde están estas cámaras, [and] proviene de una cámara que estaba encima de la cabeza del segundo actor el día del rodaje».

Ha convertido su cuestionario aparentemente esotérico en uno de los programas de juegos más queridos del Reino Unido, y ahora Victoria Coren Mitchell ha acusado Los New York Times de copiar el formato.

El presentador dijo que un recién lanzado Veces cuestionario, titulado Conexionestiene una sorprendente similitud con solo conectarel programa de la BBC que presenta desde 2008.

En Conexioneslos jugadores deben agrupar las palabras que comparten un hilo de comentarios. solo conectarmientras tanto, les pide a los concursantes que hagan conexiones entre cosas aparentemente inconexas.

Wyna Liu, la VecesAssociate Puzzles Editor, tuiteó sobre el lanzamiento de Conexiones los lunes. El viernes, Coren Mitchell respondió: “¿Sabes que esto ha sido un programa de televisión en el Reino Unido desde 2008? Es tan similar que supongo que debes hacer.

¿Sabes que esto ha sido un programa de televisión en el Reino Unido desde 2008? Es tan similar que supongo que debes hacer?

— Victoria Coren Mitchell (@VictoriaCoren) 13 de junio de 2023

Mike Turner, un formulador de preguntas sobre solo conectaragregó: «Si necesita una mano, he escrito más de 750 de estos para solo conectar.”

El Veces ha sido contactado para hacer comentarios. Banijay, el gigante de la producción europea propietaria solo conectar, Se entiende que es consciente de las similitudes, pero se negó a comentar. La BBC se negó a comentar.

solo conectar lanzado por primera vez en BBC4 antes de pasar a BBC2 y es conocido por ser uno de los cuestionarios más difíciles del Reino Unido. Coren Mitchell ha ayudado al programa a ganar millones de fanáticos con sus bromas a expensas de los concursantes y sus disfraces extravagantes para episodios especiales.

Apple dio un vistazo a sus últimas actualizaciones de accesibilidad y salud durante su WWDC anual el lunes, incluidas nuevas funciones de tecnología de asistencia y voz. Inicialmente anticipado para el Día de Concientización sobre Accesibilidad Global en mayo, el anuncio de WWDC confirmó que las nuevas funciones se lanzarán con iOS 17, iPadOS 17, watchOS 10 y macOS Sonoma.

Para los usuarios de iOS con discapacidades cognitivas, las nuevas funciones de Acceso asistido de Apple les permiten personalizar las aplicaciones con botones de alto contraste y etiquetas de texto grandes para satisfacer sus necesidades individuales. Apple también agregó Live Speech y Personal Voice para las personas que no pueden hablar, tienen problemas para hablar o pueden perder la voz con el tiempo.

Con Live Speech, puede escribir lo que quiere decir y hacer que otros lo digan en voz alta en una llamada de teléfono o FaceTime o anotar frases de uso común para seleccionar durante la conversación para evitar cualquier retraso que se produzca al escribir en el momento. Personal Voice crea una voz que suena como usted al grabar 15 minutos de frases aleatorias. Como ejemplo, Apple escribió en un comunicado de mayo que las personas con ALS u otras condiciones que afectan el habla pueden guardar su voz en su dispositivo para usarla con Live Speech y otra tecnología de asistencia a medida que su condición progresa.

Otras nuevas actualizaciones de accesibilidad incluyen una función Point and Speak para leer en voz alta el texto en objetos domésticos. Esto puede ser utilizado por personas ciegas o con problemas de visión para identificar texto en objetos a su alrededor, como botones en un microondas.

Las nuevas funciones de salud, como el sensor de luz diurna y la detección de distancia de la pantalla dirigida a los niños, están destinadas a prevenir problemas de visión como la miopía. Pasar tiempo al aire libre y mantener las pantallas lo suficientemente lejos de los ojos puede reducir el riesgo de desarrollar miopía, dijo Apple en la WWDC. Las nuevas funciones están dirigidas a un público más joven porque la miopía suele comenzar en la infancia. Se lanzará como parte de watchOS 10.

Para los usuarios de Mac, la actualización de macOS Sonoma incluye funciones mencionadas anteriormente, como Live Speech, y actualizaciones específicas de Mac, como permitir que los dispositivos auditivos creados para iPhone se conecten a productos Mac. macOS Sonoma también presenta sugerencias fonéticas al usar Voice Control, la capacidad de pausar imágenes animadas, tamaño de texto personalizable y compatibilidad con VoiceOver.

Los oradores en WWDC enfatizaron el uso de productos Apple por sus características de salud. Además de la prevención de la miopía, Apple anunció nuevas funciones centradas en la salud mental.

La aplicación Health, que ahora estará disponible en iPad, permite a los usuarios hacer un seguimiento de cómo se sienten y ver qué factores externos podrían estar afectando su estado de ánimo, como cuánto han dormido. Las funciones de salud mental también estarán disponibles en el Apple Watch a través de la aplicación Mindfulness.

Sigue todas las novedades de la WWDC 2023 de Apple aquí mismo.

Balasubramaniyan dice que los servicios de IA de voz deben ofrecer seguridad a la par con la de otras empresas que almacenan datos personales, como información financiera o médica.

“Tienes que preguntarle a la empresa, ‘¿cómo se va a almacenar mi voz de IA? ¿Estás realmente almacenando mis grabaciones? ¿Lo estás almacenando encriptado? ¿Quién tiene acceso a él?’”, dice Balasubramaniyan. «Es parte de mi. Es mi yo íntimo. Necesito protegerlo igual de bien.

Podcastle dice que los modelos de voz están encriptados de extremo a extremo y que la empresa no guarda ninguna grabación después de crear el modelo. Solo el titular de la cuenta que grabó los clips de voz puede acceder a ellos. Podcastle tampoco permite cargar o analizar otros audios en Revoice. De hecho, la persona que crea una copia de su voz tiene que grabar las líneas de texto preescrito directamente en la aplicación de Revoice. No pueden simplemente cargar un archivo pregrabado.

“Tú eres el que da el permiso y crea el contenido”, dice Yeritsyan de Podcastle. “Ya sea artificial u original, si esta no es una voz falsa, es la voz de esta persona y él la puso ahí. No veo problemas”.

Podcastle espera que poder reproducir audio solo con la voz clonada de una persona que consienta desincentivaría a las personas a decir algo demasiado horrible. Actualmente, el servicio no tiene moderación de contenido ni restricciones sobre palabras o frases específicas. Yeritsyan dice que depende de cualquier servicio o medio que publique el audio, como Spotify, Apple Podcasts o YouTube, controlar el contenido que se envía a sus plataformas.

“Hay enormes equipos de moderación en cualquier plataforma social o plataforma de transmisión”, dice Yeritsyan. “Así que ese es su trabajo para no permitir que nadie más use la voz falsa y cree algo estúpido o algo no ético y lo publique allí”.

Incluso si se aborda el tema muy espinoso de las falsificaciones profundas de voz y los clones de IA no consensuados, aún no está claro si las personas aceptarán un clon computarizado como un sustituto aceptable de un humano.

A fines de marzo, el comediante Drew Carey utilizó otro servicio de IA de voz, ElevenLabs, para lanzar un episodio completo de un programa de radio que fue leído por su clon de voz. En su mayor parte, la gente lo odiaba. El podcasting es un medio íntimo, y la clara conexión humana que sientes cuando escuchas a las personas tener una conversación o contar historias se pierde fácilmente cuando los robots se acercan al micrófono.

Pero, ¿qué sucede cuando la tecnología avanza hasta el punto en que no se puede notar la diferencia? ¿Importa que no sea realmente tu podcaster favorito en tu oído? El habla de IA clonada tiene mucho camino por recorrer antes de que sea indistinguible del habla humana, pero seguramente se está poniendo al día rápidamente. Hace apenas un año, las imágenes generadas por IA parecían caricaturescas, y ahora son lo suficientemente realistas como para engañar a millones y hacerles creer que el Papa tenía ropa de abrigo nueva y espectacular. Es fácil imaginar que el audio generado por IA tendrá una trayectoria similar.

También hay otro rasgo muy humano que genera interés en estas herramientas impulsadas por IA: la pereza. La tecnología de voz de IA, suponiendo que llegue al punto en que pueda imitar con precisión las voces reales, facilitará la realización de ediciones rápidas o retomas sin tener que llevar al anfitrión de vuelta al estudio.

“En última instancia, la economía del creador va a ganar”, dice Balasubramaniyan. “No importa cuánto pensemos en las implicaciones éticas, va a ganar porque acabas de simplificar la vida de las personas”.

El compañero NPC predeterminado de Sons of the Forest, Kelvin, es nada menos que una revelación del juego de supervivencia. Como ayudante dedicado, se le puede ordenar a Kelvin que complete tareas domésticas como recolectar palos, talar árboles o atrapar peces del río con sus propias manos. Una vez que se propone algo, no se detendrá hasta que se le pregunte lo contrario. Un Kelvin es una fuerza imparable. Así que imagina, entonces, ¿qué se podría lograr con un pequeño ejército de Kelvins?

Puedes agradecer al modder CallMeSlinky (se abre en una pestaña nueva) por hacerlo posible con un mod que habilita la consola de depuración en Sons of the Forest (también necesitarás este mod de Unity framework (se abre en una pestaña nueva) primero). Usuario de Reddit jrm850 (se abre en una pestaña nueva) luego descubrí rápidamente que, con una edición rápida de javascript, puede generar tantos Kelvin como desee. Una vez que la consola de depuración esté en su lugar, puede usar el «añadir personaje Robby 1» comando para conjurar un Kelvin (estamos pensando que Robby es un nombre antiguo para Kelvin usado por los desarrolladores). Sin embargo, jrm850 señala que no debe dejarse llevar por el proceso de clonación.