Cách nhân bản giọng nói của bạn với AI, và làm điều đó đúng cách

Nhân bản giọng nói là việc dùng AI để tái tạo giọng của một người từ bản ghi âm, để giọng đó có thể nói những lời mới bằng chính âm sắc, ngữ điệu và nhịp điệu của họ. Hãy cho một mô hình giọng nói hiện đại vài phút âm thanh sạch và nó sẽ học được dấu vân tay độc nhất của một giọng nói: cao độ, nhịp điệu, chất giọng vùng miền và sự ấm áp. Từ đó trở đi, nó có thể đọc bất kỳ văn bản nào bằng giọng ấy.

Đó là sự khác biệt giữa một bản ghi âm và một giọng nói sống. Bản ghi âm chỉ có thể nói lại đúng những gì đã nói vào ngày nó được tạo ra. Một bản nhân bản giọng nói có thể nói câu mà bạn chưa kịp ghi lại, bằng giọng nói mà bạn nhận ra ở bất cứ đâu. Đó là lý do nó quan trọng đến vậy với các gia đình, và là lý do nó phải được xử lý cẩn trọng.

Bên dưới bề mặt, có ba bước biến giọng của bạn thành một bản nhân bản:

1. Thu âm: bạn ghi lại các mẫu giọng nói của mình. Mô hình lắng nghe những đặc trưng âm học làm nên giọng nói riêng của bạn.

2. Mô hình hóa: một mô hình giọng nói AI được huấn luyện trên những mẫu đó, xây dựng một biểu diễn toán học của giọng bạn chứ không phải một thư viện các đoạn ghi âm.

3. Tổng hợp: bạn gõ (hoặc cung cấp) văn bản, và mô hình tạo ra âm thanh mới của chính bạn nói những lời đó, với ngữ điệu tự nhiên.

Chất lượng của bản nhân bản gần như hoàn toàn phụ thuộc vào chất lượng thu âm. Đầu vào sạch cho ra một bản nhân bản nghe đúng là bạn; đầu vào nhiễu hoặc mỏng cho ra một bản mô phỏng phẳng, máy móc.

1. Tìm một căn phòng yên tĩnh. Tiếng ồn nền, tiếng vang và tiếng ù là kẻ thù của một bản nhân bản tốt. Một phòng nhỏ, có vật liệu mềm sẽ hơn hẳn một phòng lớn trống trải.

2. Dùng một micro tử tế. Một micro USB hoặc thậm chí tai nghe hiện đại có tín hiệu rõ ràng sẽ vượt trội hơn nhiều so với micro tích hợp của laptop.

3. Ghi đủ lời nói. Vài phút nói chuyện tự nhiên, đa dạng thường là quá đủ. Hãy đọc điều gì đó có cảm xúc thay vì một giọng đều đều, vô vị.

4. Thay đổi âm điệu của bạn. Bao gồm câu khẳng định, câu hỏi và một chút cảm xúc, để mô hình học được toàn bộ phạm vi của bạn, chứ không phải chỉ một tâm trạng.

5. Tải lên và huấn luyện. Gửi các mẫu của bạn lên nền tảng giọng nói và để nó xây dựng mô hình của bạn.

6. Tạo và tinh chỉnh. Thử nó trên vài câu, lắng nghe xem có gì nghe chưa ổn không, và bổ sung thêm mẫu nếu một bản nhân bản cần thêm phạm vi.

Trên một nền tảng đặt sự đồng thuận lên trước, toàn bộ quá trình này gắn với danh tính đã được xác minh của bạn, nên giọng được nhân bản chỉ có thể là giọng của chính bạn.

• Âm thanh sạch: phòng yên tĩnh, không nhạc, không tiếng vang. Điều này quan trọng hơn bất cứ thứ gì khác.

• Vài phút lời nói: các mô hình hiện đại cần ít một cách đáng ngạc nhiên, nhưng âm thanh đa dạng hơn cho kết quả phong phú hơn.

• Cách nói tự nhiên: hãy nói đúng cách bạn vẫn nói, với những khoảng ngừng và sự ấm áp của một cuộc trò chuyện thật.

• Phạm vi: một sự pha trộn giữa các đoạn điềm tĩnh, mạnh mẽ và dịu dàng để giọng nói có thể thể hiện hơn một cảm xúc.

Nếu bạn đang ghi âm cho tương lai, hãy làm ngay bây giờ và làm cho tốt. Giọng nói thay đổi theo tuổi tác và sức khỏe, và thời điểm tốt nhất để thu giọng của bạn là khi nó còn khỏe. Xem cách lưu giữ giọng nói của bạn để có hướng dẫn đầy đủ hơn.

Mọi người nhân bản giọng nói của mình vì những lý do rất khác nhau:

• Di sản: để con cháu có thể nghe họ, và nghe từ họ, mãi về sau trong tương lai.

• Lời nhắn: ghi lại lời cho những cột mốc mà họ có thể không có mặt, bằng chính giọng của mình.

• Khả năng tiếp cận: những người đối mặt với tình trạng có thể lấy đi khả năng nói của họ, như bệnh MND hoặc phẫu thuật họng, lưu giữ giọng của mình khi còn có thể.

• Sự hiện diện: để một Persona nói bằng giọng thật của họ thay vì một giọng tổng hợp chung chung.

Chính nhóm đầu tiên này, gia đình và di sản, là nơi nhân bản giọng nói thôi là một thứ mới lạ và trở thành điều thực sự quý giá. Giọng nói là điều thân mật nhất mà chúng ta để lại.

Nhân bản giọng nói rất mạnh mẽ, nghĩa là nó có thể bị lạm dụng. Cùng một công nghệ giúp bạn lưu giữ giọng của mình có thể, trong tay kẻ xấu, bắt chước ai đó mà họ không hề hay biết. Ba nguyên tắc tách biệt nhân bản giọng nói có trách nhiệm với phần còn lại:

• Sự đồng thuận: một giọng nói chỉ nên được nhân bản bởi, hoặc với sự cho phép rõ ràng của, người sở hữu giọng đó.

• Xác minh: nền tảng phải xác nhận bạn đúng là người mà bạn nói, để bạn không thể nhân bản giọng của người lạ.

• Quyền kiểm soát: bạn phải có thể thấy giọng của mình được dùng như thế nào, đặt ra các quy tắc, và thu hồi quyền truy cập.

Nhân bản giọng nói của chính bạn là hợp pháp và đúng đạo lý. Nhân bản giọng của người khác mà không có sự đồng thuận thì không, và ngày càng vi phạm những luật mới nhắm vào việc nhân bản giọng nói không được đồng thuận. Hãy chọn một nền tảng biến sự đồng thuận và quyền kiểm soát thành cấu trúc, không phải tùy chọn.

Đây chính xác là bài toán mà Afterlife AI được xây dựng để giải quyết. Bạn chỉ có thể nhân bản giọng của chính mình, gắn với danh tính đã được xác minh của bạn, và kết quả nằm trong một Persona riêng tư mà bạn quản trị. Bạn quyết định ai có thể nghe nó, khi nào, và trong bao lâu. Không có gì là công khai, không có gì bị bán đi, và không có gì xảy ra mà không có sự đồng ý của bạn.

Sau khi bạn ra đi, Executor Lock thực thi những quy tắc đó: giọng của bạn không thể bị huấn luyện lại, chỉnh sửa hay thương mại hóa, và mọi lần sử dụng đều được ghi lại trong một dấu vết kiểm toán vĩnh viễn. Đó là sự bảo vệ trước nỗi sợ lớn nhất trong lĩnh vực này, một giọng nói bị dùng theo cách mà người chủ chưa bao giờ đồng ý.

Một bản ghi âm lưu giữ những gì bạn đã nói. Một bản nhân bản giọng nói đặt sự đồng thuận lên trước lưu giữ chính giọng nói của bạn, sẵn sàng nói những điều bạn chưa có cơ hội nói. Hãy bắt đầu bằng cách lưu giữ giọng nói của bạn bên trong một Persona được xây dựng khi bạn còn ở đây để quyết định.

Tiếp tục với các hướng dẫn về di sản giọng nói:

• Di sản giọng nói: điều mà nó mở ra

• Ghi lại giọng nói của bạn cho tương lai

• Nhân bản giọng nói có an toàn và hợp pháp không