نفيديا تريد أن تعلمك أن أغرب أهواءك الصوتية أصبحت ممكنة الآن. أحدث مشروع للذكاء الاصطناعي للشركة، إلى جانب الشخصيات غير القابلة للعب للذكاء الاصطناعي وروبوتات الدردشة داخل اللعبة، هو عبارة عن ذكاء اصطناعي لتحويل النص إلى صوت يسمى Fugatto. مثل النماذج الأخرى، يمكن لصوت Nvidia AI إنشاء مسارات من وصف بسيط، ولكن يمكن لهذا البرنامج أيضًا إنشاء “أصوات لم يتم سماعها من قبل،“مثل “عواء الساكسفون” ، مهما كان معنى ذلك.
في إحدى التدوينات، ادعت شركة Nvidia أن نموذج الذكاء الاصطناعي “سكين الجيش السويسري للصوت” يمكنه تعديل الأصوات الموجودة أو إنشاء مقاطع صوتية كاملة من الهواء الرقيق. Fugatto هو في الواقع اختصار لـ “Foundational Geneative Audio Transformer Opus 1” الطويل البغيض. إنه قادر على معالجة الأصوات والموسيقى وضوضاء الخلفية وإنتاجها جميعًا في مسار صوتي واحد. ويمكنه أيضًا تعديل مصادر الصوت الموجودة.
من السخافة أن نطلق على أي شيء اسم “صوت لم يُسمع من قبل”، خاصة إذا كان صادرًا عن الذكاء الاصطناعي. مهما كانت المخرجات، فإن صوت الذكاء الاصطناعي هو مجرد خوارزمية ذكاء اصطناعي تستخدم المصادر الموجودة في بيانات التدريب الخاصة بها لتوفير نتيجة تقارب الموجه. قالت Nvidia إن نموذجها فريد من نوعه لأنه يمكنه الجمع بين التعليمات التي كانت منفصلة أثناء التدريب و”إنشاء مقاطع صوتية لم يسبق لها مثيل من قبل”. وهذا يعني أنه يمكنه تراكب مؤثرين صوتيين متميزين لإنشاء شيء جديد. في مقطع فيديو، أظهرت Nvidia كيف يمكنها توليد صوت قطار يتحول إلى مقطوعة موسيقية أوركسترا. ويمكنه أيضًا إنشاء صوت عاصفة ممطرة يتلاشى في المسافة.
وهذه قدرات لم نرها من قبل. بالإضافة إلى المطالبة بعرض “الموسيقى الإلكترونية مع نباح الكلاب في الوقت المناسب للإيقاع”، قالت Nvidia إن أداتها توفر “تحكمًا دقيقًا” في المقاطع الصوتية التي تم إنشاؤها. تدعي Nvidia أن الراوي في الفيديو كان نسخة AI من الرئيس التنفيذي لشركة Nvidia Jensen Huang، على الرغم من أنه إذا أنتج Fugatto الصوت المزيف الواضح، فإن نموذج الذكاء الاصطناعي يحتاج إلى مزيد من العمل قبل أن يستخدمه أي شخص في مشروع التزييف العميق التالي.
تقوم الكثير من أدوات الصوت المدعمة بالذكاء الاصطناعي بالفعل بأخذ المطالبات النصية وتحويلها إلى مسارات صوتية. قامت Adobe بتسويق أداة التحكم Project MusicGenAI الخاصة بها للموسيقيين عديمي الضمير. قامت شركات التكنولوجيا الكبرى مثل Meta بالترويج لنماذجها الصوتية في صناعة السينما. في الشهر الماضي، أطلقت شركة Meta تطبيق Movie Gen لأول مرة، والذي يمكنه إنشاء مقاطع صوتية للأفلام التي يتم إنشاؤها بواسطة الذكاء الاصطناعي.
تقتبس نفيديا من باحثة الذكاء الاصطناعي روهانا بادلاني، التي قالت إن النموذج “جعلني أشعر وكأنني فنان إلى حد ما”، على الرغم من أن الذكاء الاصطناعي يستمد بالطبع من آلاف الجيجابايت من الموسيقى والبيانات الصوتية الموجودة. لم تشارك Nvidia تفاصيل دقيقة حول مجموعة البيانات الخاصة بها وقالت فقط إنها تحتوي على “ملايين العينات الصوتية المستخدمة للتدريب”. الإصدار الكامل من Fugatto عبارة عن نموذج مكون من 2.5 مليار معلمة تم تدريبه على بنوك Nvidia الخاصة بوحدات معالجة الرسوميات الشهيرة H100 AI.
إنها أخبار سيئة لفناني فولي، الذين حولوا هذا النوع من التزييف الصوتي إلى شكل فني مشهور. وقالت الشركة إن Fugatto يمكن أن تكون أداة مفيدة للوكالات الإعلانية أو مطوري ألعاب الفيديو أو الموسيقيين الذين يرغبون في تجربة التغييرات على عملهم دون القيام بالكثير من العمل الإضافي. ومع ذلك، فإن الوجه الآخر للعملة هو كل هؤلاء الأشخاص الذين قد يستخدمونها لإنشاء “أصول جديدة”، ومن المحتمل أن يضيف AKA المزيد من الذكاء الاصطناعي إلى الكومة المتزايدة.
من المحتمل أن يكون لدى Fugatto فائدة أكبر من مجرد إعطاء ذريعة لشركات إنتاج الأفلام لتحل محل مهندسي الصوت البشريين. تدعي Nvidia أنها تستطيع إزالة أو إضافة أدوات إلى الموسيقى الموجودة. يمكنه أيضًا عزل وتعديل ضوضاء معينة من المصادر الموجودة. ربما يمكنك أن تفلت من توليد إيقاعات طبلة فارغة لموسيقى المزج الموسيقية الخاصة بك، ولكن الموسيقى التصويرية الكاملة التي يتم إنشاؤها بدون أي شيء سوى الذكاء الاصطناعي ليست هي ما يدفع معظم الناس مقابله عند شراء تذكرة فيلم.