Uma nova inteligência artificial apresentada pela Meta é capaz de imitar uma voz com apenas 2 segundos de amostra. Batizada de Voicebox, a tecnologia consegue recriar a voz por meio da amostra, sendo capaz até mesmo de imitar timbre e tom em novas falas.

Seu modo de funcionar é parecido com o VALL-E, que foi apresentado no início deste ano pela Microsoft. Para poder operar, ele foi treinado com 50 mil horas de áudio pré-gravado de livros de domnínio público em inglês, espanhol, alemão, francês, português e polonês. No anúncio, a desenvolvedora explicou sobre o programa:

No futuro, modelos de IA generativos multifuncionais como o Voicebox poderiam dar vozes com som natural a assistentes virtuais e personagens não jogadores no metaverso. Eles poderiam permitir que pessoas com deficiência visual ouvissem mensagens escritas de amigos lidas por IA em suas vozes, fornecer aos criadores novas ferramentas para criar e editar facilmente faixas de áudio e muito mais

Como acontece com outras tecnologias do ramo da IA, os resultados do Voicebox se aperfeiçoam com base no contexto das falas. Dessa forma, a ferramenta não precisa recriar totalmente uma faixa do zero, sendo capaz de fazer a adição de pequenos trechos, caso necessário.

Além de gerar trechos com amostras de 2 segundos, o recurso também consegue fazer a redução de ruído e edição de áudio de um trecho pré-gravado sem comprometer o conteúdo. Do mesmo modo, consegue traduzir e replicar a voz do locutor em outros idiomas, além de gerar falar em seis línguas diferentes.

Mesmo que seja interessante, é importante ter cuidado com os golpes que usam esse tipo de ferramenta para clonar vozes em um esquema que já atingiu 25% das pessoas no mundo todo. Por fim, confira também as ferramentas que ajudam a melhorar a qualidade de fotos e vídeos com ajuda de inteligência artificial.