Różne głosy w sprawie AI

Aktorzy głosowi coraz częściej są proszeni o podpisywanie umów, na mocy których klient może użyć sztucznej inteligencji do generowania syntetycznych wersji ich głosów, które w końcu mogą ich zastąpić, czasem bez dodatkowego wynagrodzenia - informują organizacje zajmujące się ochroną praw aktorów i sami aktorzy, którzy rozmawiali z Motherboard. /.../ To tylko jedna z wielu obaw aktorów dotyczących rozwoju sztucznej inteligencji generującej głos, która ich zdaniem zagraża całym segmentom branży - czytamy we wstępie artykułu na portalu Vice.com.

„To brak szacunku dla rzemiosła i sugerowanie, że generowanie występu jest równoważne z występem prawdziwego człowieka. /.../ Oczywiście, można nawet sprawić, że (głos) będzie brzmiał, jakby uchwycił emocje, ale na końcu wciąż będzie brzmiał pusto i fałszywie" - napisał dla Motherboard w e-mailu aktor głosowy Sung Won Cho.  

Sarah Elmaleh, aktorka głosowa i reżyserka, która pracowała przy "Fortnite" i "Halo Infinite" uważa, iż zgoda w wykonawstwie musi być ciągła. „Co się dzieje, gdy z radością zgadzamy się na rolę, a następnie w studiu widzimy w scenariuszu linijkę, która nam się nie podoba i wyrażamy jednoznaczny sprzeciw? /.../ Normalnie jesteśmy w stanie odmówić przeczytania linii, aby jej nie używano. Ta technologia oczywiście omija to całkowicie” - powiedziała.

Mati Staniszewski, współzałożyciel ElevenLabs, wyjaśnił Motherboard w e-mailu, że firma widzi przyszłość, w której firmy AI i aktorzy głosowi będą współpracować. "Aktorzy głosowi nie będą już ograniczani liczbą sesji nagraniowych, w których mogą uczestniczyć, a zamiast tego będą mogli licencjonować swoje głosy do użytku w dowolnej liczbie projektów jednocześnie, zapewniając dodatkowe przychody i źródła tantiem. Ten potencjał został już zauważony przez samych aktorów głosowych; kilkudziesięciu z nich skontaktowało się z nami, deklarując zainteresowanie taką współpracą" - napisał Staniszewski.

W odpowiedzi na oświadczenie ElevenLabs Fryda Wolff - aktorka głosowa znana m.in. z gry "Apex Legends" - stwierdziła: "Aktorzy nie chcą możliwości licencjonowania lub zapewniania dodatkowych źródeł dochodów; ten nonsensowny żargon zdradza, że ElevenLabs nie ma pojęcia, jak aktorzy głosowi zarabiają na życie".

Gdy Motherboard poprosiło Staniszewskiego o przedstawienie jednego z aktorów głosowych, którzy skontaktowali się z firmą, wskazał na Lance'a Blaira, którego portfolio obejmuje reklamy i filmy szkoleniowe. Blair potwierdził: "Pomimo poważnych obaw moich kolegów, które podzielam, korzystam z tej technologii, aby usłyszeć siebie tak, jak słyszą mnie inni i eksplorować różne sposoby podejścia do moich tekstów".

Za oceanem w branży pojawiają się już pierwsze rozwiązania prawne. Dla wykonawców związanych z amerykańskim związkiem aktorskim SAG-AFTRA "prawo do syntezy głosu wykonawcy jest obowiązkowym przedmiotem negocjacji". SAG-AFTRA chce, by aktorzy głosowi uzyskiwali uczciwą zapłatę za swoją pracę i talent.

Lance Blair, który współpracuje również z pierwszym w Polsce internetowym bankiem głosów Mikrofonika, skomentował na LinkedIn swoje wrażenia z testowania AI:

"To jest niesamowicie imponujące, ale wszystkie te głosy są bardzo płaskie. Ja sklonowałem swój głos z ElevenLabs i musiałem ustawić go na "mniej stabilnie", aby nie brzmiał nudno po 15 sekundach. I za każdym razem, gdy wprowadzałem ten sam tekst do "mniej stabilnego", stawał się coraz bardziej nerwowy. Dwóch facetów prowadzących ElevenLabs to wspaniali ludzie i są z Polski.
Ale jak powiedziałem w cytacie o sztucznej inteligencji w VICE, ja korzystam z AI (ale nie z jej nadużyć w branży!), ponieważ pozwoliło mi to usłyszeć swój głos w nowy sposób. Myślę, że w większości przypadków AI nie zastąpi naszych głosów, ale pomaga nam słyszeć mowę w nowy, świeży sposób."

Na czym polegają osiągnięcia ElevenLabs? - Okazuje się, że Polacy też potrafią w sztuczną inteligencję, a przynajmniej ta dwójka: Piotr Dąbrowski, niegdyś pracownik Google oraz Mati Staniszewski, wcześniej związany z firmą Palantir. W 2022 roku założyli startup o nazwie ElevenLabs, zajmujący się rozwijaniem autorskiego modelu TTS (text-to-speech), a mówiąc prościej — algorytmów AI, które syntezują tekst w mowę. Algorytmy te skalibrowane są tak, by wybrany narrator w najbardziej „ludzki” sposób odczytał wpisaną przez użytkownika treść, dbając o odpowiednią intonację oraz fleksję. Trzeba przyznać, że efekt jest wyśmienity i już teraz przewyższa to, co zaproponowała firma Apple w swojej aplikacji Books - wyjaśnia Artur Kruszyna w artykule na portalu Oiot.pl.

Model klonowania głosu zbudowany przez polską spółkę pozwala uzyskać duże podobieństwo do próbki wyjściowej bez czasochłonnego treningu, nawet wtedy, gdy ta ma długość kilku sekund. - We wrześniu ubiegłego roku ElevenLabs zademonstrował możliwości swojego generatora mowy na platformie YouTube, zastępując głos Leonardo DiCaprio głosami innych sław, takich jak Joe Rogan, Steve Jobs, Robert Downey Jr., Bill Gates i Kim Kardashian. Ten krok przyciągnął uwagę internautów oraz mainstreamowych mediów - przypomina Oiot.pl.

Oprac. PolscyLektorzy