تحويل الصوت بالذكاء الاصطناعي: كيف يتغير صوت كلام موجود؟

تسمعون العبارة نفسها بصوت مختلف. في تحويل الصوت، يدخل كلام سبق نطقه، وتحاول المعالجة إبقاء كلماته مع تغيير خصائص الصوت. قد يجري ذلك على تسجيل أو أثناء اتصال. لكن جميع الطرق ليست مباشرة، ولا تعمل بالسرعة نفسها، ولا تضمن الحفاظ الكامل على طريقة الأداء.

ما الذي يدخل إلى النظام؟

إنشاء الكلام من نص يبدأ بكلمات مكتوبة. أما تحويل الصوت فيبدأ بإشارة صوتية لشخص يتكلم. مثلًا، يمكن في استخدام افتراضي وبموافقة ممثل معالجة عبارته لتناسب شخصية في عمل إبداعي. هذا يختلف عن عرض الصوت المعدل بوصفه تصريحًا حقيقيًا لشخص آخر لم يقله. الفرق يتعلق بالمصدر وبطريقة تقديم النتيجة.

تستخرج بعض الطرق معلومات تمثل محتوى الكلام، ثم تجمعها مع خصائص الصوت المطلوب لتكوين صوت جديد. يصف بحث AutoVC إحدى هذه الطرق. لا يستخرج النظام حنجرة الشخص ولا يغير جسمه؛ إنه يعالج معلومات في الإشارة. تحويل الخصائص المسموعة ليس محاكاة تشريحية كاملة للشخص الذي يشبهه الناتج.

إعداد النموذج يختلف عن تحويل تسجيل جديد. في الإعداد، تستخدم أمثلة ليتعلم النظام العلاقة بين المحتوى وخصائص الصوت. وفي الاستخدام، تعالج الطريقة المعدة الكلام الداخل. تختلف حاجة الأنظمة إلى الأمثلة؛ لا توجد مدة صوتية واحدة تضمن التشابه الدقيق لكل شخص وفي كل حالة.

يقدم بحث StreamVC طريقة محددة لتحويل الصوت بسرعة مناسبة للتواصل، مع هدف الحفاظ على المحتوى وطريقة الأداء وتغيير جرس الصوت. هذا مثال بحثي، وليس ضمانًا أن كل نظام يغير أي صوت فورًا ويحفظ المشاعر والإيقاع بدقة. ينبغي إبقاء الادعاء ضمن الطريقة التي اختبرت، لا تعميمه على كل أدوات معالجة الصوت.

التحويل واستنساخ الصوت

يمكن استخدام تعبير استنساخ الصوت لوصف إنشاء صوت يشبه شخصًا معروفًا، سواء من نص أو من كلام محول. لا يعني كل تحويل تقليد شخص حقيقي بعينه؛ قد تكون النتيجة صوتًا مختلفًا لشخصية خيالية. لكن تقديم صوت مشابه بلا إذن أو توضيح قد يخدع المستمع بشأن من قال الكلام.

طبيعية الصوت وصحة الكلمات ومدى التشابه مع الصوت المطلوب أمور منفصلة. قد يبدو الناتج سلسًا بينما تغير جزء من العبارة أو الأداء. في تسجيل مهم، قارنوا المحتوى بالأصل ووضحوا أن الصوت عولج. لا تجعلوا الانطباع بأن الصوت مألوف دليلًا على أن صاحبه قال هذه الكلمات فعلًا.

تغيير الصوت لا يضمن إخفاء الهوية أيضًا. قد يكشف المحتوى أو الاسم أو تفاصيل أخرى من هو المتحدث. إذا كان الهدف حماية الهوية، فكروا فيما تقوله العبارة، لا في جرس الصوت وحده. الهدف المعلن للمعالجة يختلف عن ضمان تحقق ذلك الهدف في كل موقف.

عندما يطلب صوت مألوف المال

يحذر FBI من استخدام صوت مولد لانتحال أشخاص وطلب المال. يتعلق التنبيه بالصوت الاصطناعي عمومًا؛ لا يثبت أن كل حالة استخدمت تحويل الصوت تحديدًا. لا يحتاج المستمع إلى تحديد الطريقة التقنية كي يتحقق من الطلب. السؤال العملي هو هل الشخص والطلب حقيقيان، لا اسم البرنامج الذي ربما استُخدم.

إذا طلب صوت قريب تحويلًا عاجلًا، أنهوا الاتصال واتصلوا بأنفسكم برقم تعرفونه مسبقًا. إن لم يرد، اسألوا قريبًا آخر موثوقًا. تنصح FTC باستخدام رقم معلوم الصحة بدل الثقة بالصوت وحده. لا تستخدموا رقمًا جديدًا أرسله المتصل المشبوه، لأنه لا يوفر طريقًا مستقلًا للتحقق من القصة.

صوت غريب قد يكون سببًا للحذر، لكن صوتًا طبيعيًا لا يثبت الصحة. في طلبات البنك أو جهة العمل، حافظوا على إجراءات التأكيد المعتادة ولا تتجاوزوها بسبب مألوفية النبرة. قد تكون المشكلة في انتحال الهوية حتى لو لم تتأكدوا من وجود ذكاء اصطناعي، لذلك يظل التحقق المستقل مناسبًا.

تحويل الصوت يغير من يبدو أنه يتكلم. افصلوا بين الصوت المسموع وهوية المتحدث وصحة الطلب الذي يقدمه. هذا يساعد على فهم الاستخدام الإبداعي للتقنية وعلى تقييم الاتصالات المهمة، من دون الاعتماد على الأذن وحدها أو افتراض أن كل تسجيل معدل هدفه الاحتيال.