Synthesia, gazetecinin konuşan suretini tek haberiyle sınırladı
Synthesia, TechCrunch muhabiri Dominic-Madori Davis'in fotoğraflarını çekip kısa bir ses örneğini kaydederek konuşan dijital suretini hazırladı. Suret, Davis'in bir araştırması hakkındaki soruları yanıtlıyor; başka konuları yeniden o habere çeviriyor. Davis'in ailesi kişisel sorular sorduğunda yanıt alamadı. Deneme, tanıdık bir yüz ve sesin sınırlı bir konuşma alanında nasıl kullanılabildiğini somutlaştırıyor.
Yapay Zekâ··Akşam
Davis sureti için fotoğraf ve ses verdi
TechCrunch muhabiri Dominic-Madori Davis, Synthesia'nın New York'taki yeni ofisinde kendi dijital suretinin hazırlanmasına onay verdi. Ekip küçük stüdyoda çok sayıda fotoğraf çekti ve yaklaşık 2 dakikalık ses örneği kaydetti. Şirket onun hem yazılı metni okuyan kişisel suretini hem de soruları dinleyip yanıtlayan etkileşimli suretini hazırladı; her iki türün gözlüklü ve gözlüksüz biçimleri yapıldı. Davis'in anlatımına göre şirket daha önce kurumsal ilişkiler sorumlusu Alexandru Voica dışında biri için böyle bir suret üretmemişti. Gazeteci için yapılan deneme, şirketin söz konusu aracı kendi çalışanının dışına taşıdığı ilk örnek oldu.[1]
Etkileşimli suret tek araştırmaya dönüyor
Etkileşimli sürüm, Davis'in girişim sermayesiyle desteklenen şirketlerde dolandırıcılık hakkındaki haberine bağlandı. Konuşma önce metne çevriliyor; dil modeli soruyu işliyor, yanıt yeniden sese dönüştürülüyor ve Synthesia'nın video modeli yüzü konuşturuyor. Böylece ekrandaki kişi yalnızca önceden yazılmış bir metni okumuyor, soruya karşılık veriyor. Bununla birlikte Davis, başka konular açıldığında suretin yeniden aynı habere döndüğünü yazdı. Anne ve babası yalnızca aile içinde bilinecek sorular sorduğunda da yanıt alamadı. Bu davranış, suretin Davis'in bütün yaşamını bilen bir kopyası olarak değil, belirlenmiş bir haberle sınırlı bir konuşma aracı olarak kurulduğunu gösteriyor.[1]
Şirket sureti üç ürün yoluna bağlıyor
Davis, Synthesia'nın üç kullanım yolu anlattığını aktardı: yazılan metni videoya dönüştüren üretim aracı, Sessions adlı etkileşimli rol çalışması ürünü ve video ile ses işlevlerini dış hizmetlere açan API. Müşteriler ses ve dil işleme parçalarında Synthesia'nın araçları yerine Cartesia, ElevenLabs, Google veya OpenAI seçeneklerini de kullanabiliyor. Barındırma müşterinin bulutunda ya da şirket tarafında yapılabiliyor. Davis'in suretleri birkaç gün içinde hazırlandı; ancak kayıttaki kısık ses son üründe aynı biçimde kalmadı ve bazı arkadaşları sesi ona pek benzetmedi. Dijital yüzün hazırlanmış olması, sesin yakın çevresince kusursuz tanındığı anlamına gelmedi.[1]
İlgili köşe yazıları
Bu gündem hakkında daha fazla bilgi için ilgili köşe yazılarını okuyabilirsiniz.
