Ars Technica
Una empresa de síntesis de voz con sede en Dubái publicó un entrevista de podcast ficticio entre Joe Rogan y Steve Jobs usando voces realistas clonadas digitalmente de ambos hombres. Tiene lugar durante el “primer episodio” de una supuesta serie de podcasts llamada “Podcast.ai”, creada por Play.ht, que vende servicios de síntesis de voz.
En la entrevista, primero escuchas una réplica de la voz de Rogan creada por tecnología de clonación de voz similar a la que hemos cubierto antes en Ars. La tecnología de aprendizaje profundo ha permitido que los modelos de IA reproduzcan voces distintivas con un alto grado de precisión, como en el caso de Darth Vader en Disney. Obi Wan Kenobi
Para lograr el efecto, primero alguien debe entrenar el modelo de IA en muestras existentes de la voz que se clonará. Rogan es un objetivo principal para el entrenamiento de voz de IA mediante modelos de aprendizaje profundo porque existen grandes cantidades de su voz aislada en sus podcasts. De hecho, El borde cubierto
Donde esta instancia de tonterías de IA se vuelve más interesante es que Play.ht también incorporó la voz del difunto CEO de Apple, Steve Jobs. Su voz, aunque robóticamente entrecortada a veces, recuerda sus discursos de Apple y las entrevistas de All Things Digital de finales de la década de 2000. Y Play.ht afirma que el texto de la entrevista también fue generado por IA, posiblemente a partir de un modelo de lenguaje grande (LLM) similar a GPT-3.
“Las transcripciones se generan con modelos de lenguaje ajustados”, escribe
De acuerdo con sus raíces LLM, la entrevista de 19 minutos no tiene mucho sentido. Después de un tiempo, partes de la entrevista ficticia comienzan a sonar como mezclas conceptuales de puntos de conversación comunes de Jobs, que incluyen estética, productos revolucionarios, competidores como Google, Microsoft y Adobe, y los triunfos de la Macintosh original.
Por ejemplo, durante una parte de la entrevista, Jobs falso profundiza en críticas a Microsoft que son muy similares a las que dijo el Jobs real en una famosa entrevista de 1995 por Triunfo de los Nerds, pero no es una copia al carbón, y puedes decir que la voz está sintetizada si comparas los dos. “Ese es el problema que siempre he tenido con Microsoft”, dice el falso Jobs. “En muchos sentidos, son personas inteligentes y han hecho un buen trabajo, pero nunca han tenido ningún gusto. Nunca han tenido ningún sentido estético”.
Queda por ver si es legal usar las semejanzas vocales de Jobs o Rogan de esta manera, particularmente para promocionar un producto comercial. Y a pesar de la naturaleza de truco de relaciones públicas del podcast, el concepto de podcasts de celebridades completamente ficticios llamó nuestra atención. A medida que la síntesis de voz se vuelve más generalizada y potencialmente indetectable, estamos viendo un futuro en el que los artefactos de medios de cualquier época probablemente serán completamente fluidos y maleables, moldeables para adaptarse a cualquier narrativa. En este particular mundo ficticio, Jobs es un gran admirador de Rogan.
“Es agradable sentarse en el auto y escucharte despotricar”, dice.