Die Voicebox-KI-Technologie von Meta könnte Ihrem digitalen Assistenten eine vertraute Stimme verleihen

Meta diese Woche in der Vorschau angezeigt(Öffnet in einem neuen Fenster) ein sprachbasiertes generatives KI-Modell, das eines Tages die Stimme Ihres virtuellen Assistenten gegen die Stimme einer Person austauschen könnte, die Sie kennen.

„Voicebox kann hochwertige Audioclips produzieren und bereits aufgezeichnete Audiodaten bearbeiten – etwa Autohupen oder das Bellen eines Hundes entfernen – und dabei gleichzeitig den Inhalt und den Stil der Audiodaten beibehalten“, sagt Meta. „Das Modell ist außerdem mehrsprachig und kann Sprache in sechs Sprachen erzeugen.“

Meta neckte Voicebox als eine Möglichkeit, virtuelle Assistenten weniger roboterhaft klingen zu lassen oder nicht spielbare Charaktere im Metaversum anzutreiben. Aber im Moment bekommen wir nur einen kleinen Vorgeschmack.

„Aufgrund der potenziellen Risiken eines Missbrauchs machen wir das Voicebox-Modell oder den Voicebox-Code derzeit nicht öffentlich zugänglich“, so das Unternehmen sagt(Öffnet in einem neuen Fenster). „Während wir glauben, dass es wichtig ist, gegenüber der KI-Community offen zu sein und unsere Forschung zu teilen, um den Stand der Technik in der KI voranzutreiben, ist es auch notwendig, die richtige Balance zwischen Offenheit und Verantwortung zu finden.“

Zu diesem Zweck teilte das KI-Team von Meta Audiobeispiele und a Forschungsbericht(Öffnet in einem neuen Fenster) Darin sind die Ergebnisse aufgeführt, die sie bisher erzielt haben.

In einem Video, das die Text-to-Speech-Funktionen demonstriert, sehen wir, wie ein Audioclip, der über Voicebox läuft, dieselbe Phrase in sechs verschiedenen Sprachstilen erzeugt. Außerdem wird ein Clip aufgenommen, in dem jemand spricht und dessen Stimme einen anderen Satz vorliest, den er im wirklichen Leben nie ausgesprochen hat.

Außerdem wurde der Ton eines im Hintergrund des Treffens bellenden Hundes entfernt und in der endgültigen, aufgezeichneten Version ein Wort („Jungs“ in „Jeder“) geändert. Und es wurden Audioaufnahmen von jemandem gemacht, der etwas in einer anderen Sprache sagte, und diese Stimme ließ es auf Englisch sagen, wobei ihr Stimmstil verwendet wurde.

Die Nachricht kommt mehrere Monate, nachdem CEO Mark Zuckerbeg sagte, dass das Unternehmen „bei Meta eine neue Top-Produktgruppe mit Schwerpunkt auf generativer KI aufbaut, um unsere Arbeit in diesem Bereich voranzutreiben“. Meta verfügte bereits über mehrere Teams, die sich der generativen KI widmeten, aber diese Teams wurden zu einer Gruppe zusammengelegt, die sich darauf konzentrierte, den verschiedenen Apps und Diensten von Meta „schöne Erlebnisse“ zu bieten.

Eine Erfahrung, die reizvoll sein kann oder auch nicht: KI-generierte Anzeigen. Meta testet außerdem den Einsatz von KI-Algorithmen, um Werbetreibenden bei der Erstellung von Texten und Bildern für Online-Anzeigen zu helfen.

Was auch immer das Unternehmen vorschlägt, Meta ist Berichten zufolge dabei, in Sachen KI aufzuholen. Als Das Wall Street Journal(Öffnet in einem neuen Fenster) Berichten zufolge bemüht sich Meta darum, KI-Produkte zu entwickeln, die Einnahmen generieren können, „nachdem sie jahrelang akademische Entdeckungen priorisiert und sie frei geteilt haben“. Ein Hindernis: Viele derjenigen, die im Bereich KI arbeiten, haben das Unternehmen im letzten Jahr verlassen Tagebuch sagt.

In der Zwischenzeit hat Microsoft Milliarden in den ChatGPT-Entwickler OpenAI gesteckt und seine Bing-Suchmaschine dank einer KI-Chatbot-Integration überarbeitet. Google hat Bard veröffentlicht und experimentiert mit einer suchgenerativen Erfahrung, die die Suche, wie wir sie kennen, auf den Kopf stellen könnte.