OpenAI, quien se ha hecho famosa por crear el chatbot más usado del mundo llamado ChatGPT, ha anunciado que su tecnología de clonación de voz requiere solo 15 segundos de material de audio para reproducir la voz de alguien.
En un post publicado en su sitio web, OpenAI compartió un avance a pequeña escala de un modelo llamado Voice Engine, que lleva desarrollando desde finales de 2022.
Voice Engine funciona alimentándolo con un mínimo de 15 segundos de material hablado. A continuación, el usuario puede introducir texto para crear lo que OpenAI describe como un habla “emotiva y realista” que “se asemeja mucho al hablante original”.
Un lanzamiento gradual y medido: potenciales peligros
OpenAI insiste en que está adoptando un “enfoque cauteloso e informado para un lanzamiento más amplio debido al potencial de uso indebido de la voz sintética”, y añade que quiere “iniciar un diálogo sobre el despliegue responsable de las voces sintéticas, y cómo la sociedad puede adaptarse a estas nuevas capacidades”.
Y añadía: “Basándonos en estas conversaciones y en los resultados de estas pruebas a pequeña escala, tomaremos una decisión más informada sobre si desplegar esta tecnología a escala y cómo hacerlo.”
Uno de los usos indebidos a los que se refiere OpenAI es una estafa que algunos delincuentes ya están llevando a cabo utilizando una tecnología similar que lleva algún tiempo a disposición del público: consiste en clonar una voz y luego llamar a un amigo o familiar de esa persona para engañarle y que entregue dinero en efectivo a través de una transferencia bancaria.
También se teme que esta tecnología pueda utilizarse en las próximas elecciones presidenciales, como puso de manifiesto un reciente incidente de gran repercusión en el que una llamada automática con un clon de la voz del Presidente Joe Biden pedía a la gente que no votara en las primarias de enero en New Hampshire.
El lado brillante de la moneda
En cuanto a los usos más positivos de la tecnología, OpenAI sugiere que podría utilizarse para ayudar a leer a personas que no saben leer y a niños mediante voces emotivas y naturales “que representen a una gama de hablantes más amplia que la que es posible con voces preestablecidas”, así como para traducir al instante vídeos y podcasts, algo que Spotify ya está probando.
También podría utilizarse para ayudar a los pacientes que pierden gradualmente la voz por enfermedad a seguir comunicándose utilizando lo que suena como su propia voz.
OpenAI presenta en su sitio web algunos ejemplos del audio generado por la IA y del audio de referencia, y estamos seguros de que estarás de acuerdo en que son extraordinarios… y terroríficos.
