Meta apresenta Voicebox, ferramenta com IA para recriar vozes

A Meta anunciou recentemente o desenvolvimento do Voicebox, uma nova ferramenta de inteligência artificial que pode gerar falas humanas e reproduzir vozes com apenas uma pequena amostra. Segundo o anúncio da empresa, a tecnologia é um modelo de IA generativa criado para auxiliar criadores na edição de conteúdos em áudio, ajudar pessoas com deficiência visual a escutar mensagens de texto com as vozes de conhecidos e possibilitar que as pessoas se comuniquem em uma língua estrangeira com a sua própria voz.

O que é e como funciona o Voicebox da Meta?

Em junho (2023), o CEO da Meta, Mark Zuckerberg, anunciou em seu canal de transmissão no Instagram um novo modelo de linguagem de inteligência artificial generativa para geração de fala. A publicação veio acompanhada de um vídeo com apresentação em português e que exemplifica algumas funcionalidades do Voicebox. Entre as demonstrações, é possível ver que a ferramenta permite gerar diferentes maneiras de falar e tipos de vozes (como masculina ou feminina, por exemplo) para um mesmo texto. Além disso, a tecnologia conta com recursos para edição e estilização de áudios.

O Voicebox foi treinado com mais de 50 mil horas de fala gravada e transcrições de audiolivros em inglês, francês, espanhol, alemão, polonês e português. Isso significa que a IA também é um modelo multilíngue capaz de reproduzir falas em até seis idiomas.

O que o Voicebox da Meta pode fazer?

Na apresentação do Voicebox, a Meta AI destaca uma variedade interessante de tarefas que a ferramenta possui capacidade de executar:

Síntese de texto para fala em contexto: com somente uma amostra de áudio de dois segundos, o Voicebox pode combinar o estilo de áudio da amostra e usá-lo para conversão de texto em fala.

Redução de ruído e edição de fala: a ferramenta possibilita corrigir uma fala interrompida por ruídos ou substituir palavras mal pronunciadas, dispensando a necessidade de regravar o áudio. Por exemplo, uma pessoa pode identificar o trecho da fala que foi interrompido pelo barulho de uma buzina, cortá-lo e instruir o Voicebox a gerar esse trecho novamente. A Meta define esse recurso como “uma borracha para edição de áudio”.

Transferência de estilo entre idiomas: através de uma amostra de fala e um trecho de texto em inglês, francês, alemão, espanhol, polonês ou português, a tecnologia de IA pode produzir uma leitura do texto em qualquer um desses idiomas citados.

Amostragem de fala diversificada: a Meta afirma que por causa do aprendizado com dados diversos, “o Voicebox pode gerar uma fala mais representativa de como as pessoas falam no mundo real e nos seis idiomas listados acima”.

Quais os perigos do Voicebox?

As discussões sobre os problemas que as tecnologias de inteligência artificial podem gerar acompanham as evoluções recentes dessa área. Então, assim como já acontece com as imagens geradas por IA, as ferramentas para a reprodução de vozes como o Voicebox também podem ser utilizadas indevidamente e causar danos significativos. E isso levanta questionamentos sobre a responsabilidade das empresas de tecnologia com os seus avanços nessa questão. Por esses motivos, é importante ressaltar a posição que a Meta está tomando sobre o desenvolvimento e disponibilização do Voicebox.

Ao apresentar a ferramenta, a Meta reconheceu o potencial de riscos que uma inovação de IA como essa pode causar e anunciou medidas para mitigar possíveis estragos no futuro, como “um classificador altamente eficaz que pode distinguir entre fala autêntica e áudio gerado com o Voicebox”. Além disso, apesar de divulgar alguns detalhes sobre a nova inteligência artificial, a Meta não irá disponibilizar a ferramenta ou o código do Voicebox para o público geral.

A Plataformanet é uma agência de marketing digital que traz toda semana informações sobre o mundo da tecnologia, entre outras dicas de serviços e aplicativos. Continue acessando o nosso caderno de tecnologia e acompanhe as novidades.