คุณเคยได้ยินเกี่ยวกับเสียง Deepfake แต่จริงๆ แล้วมันคืออะไร? คู่มือนี้จะบอกทุกสิ่งที่คุณจำเป็นต้องรู้เกี่ยวกับเทคโนโลยี AI นี้และการเปรียบเทียบกับ TTS

เสียง Deepfake และการแปลงข้อความเป็นเสียง

ด้วยความก้าวหน้าในปัญญาประดิษฐ์ (AI) และการเรียนรู้เชิงลึก ผู้คนสามารถสร้างสื่อสังเคราะห์ที่มีคุณภาพสูงและสมจริงได้ เทคโนโลยีนี้ได้เปิดประตูสู่เทคโนโลยีสร้างสรรค์ใหม่ๆ ที่มีผลกระทบต่อหลายอุตสาหกรรม หนึ่งในเทคโนโลยีเหล่านี้คือ Deepfakes หรือที่เรียกว่าเสียงสังเคราะห์และ การโคลนนิ่งเสียง.

เสียง Deepfake คืออะไร?

Deepfake หมายถึงสื่อสังเคราะห์ หรือที่รู้จักกันในชื่อ การโคลนนิ่งเสียง. ด้วย AI ผู้ใช้สามารถสร้างวิดีโอ Deepfake ที่เปลี่ยนรูปลักษณ์ของใครบางคนกับคนอื่นบนหน้าจอ หรือทำให้ใครบางคนพูดสิ่งที่เขาไม่เคยพูดจริงๆ ซึ่งเป็นที่รู้จักกันดีว่าเป็น การโคลนนิ่งเสียง. ลองจินตนาการว่าคุณสามารถให้เสียงของ Arnold Schwarzenegger พูดซ้ำในสิ่งที่คุณต้องการได้

กระบวนการนี้ต้องการซอฟต์แวร์พิเศษสำหรับวิเคราะห์ใบหน้า ประมวลผลเสียงจากสคริปต์ข้อความ และจำลองการเคลื่อนไหวของปากในพื้นที่สามมิติ

มีการใช้งานขั้นสูงบางอย่างสำหรับเทคโนโลยีนี้ แต่การโคลนนิ่งเสียงเป็นหนึ่งในนั้น เกือบทุกคน แม้จะไม่ใช่ผู้เชี่ยวชาญด้านเทคโนโลยี ก็เคยเจอข่าวฉาวเกี่ยวกับ Deepfake อย่างไรก็ตาม เมื่อเร็วๆ นี้มีการเปิดตัวสารคดีหลังความตายเกี่ยวกับ Tony Bourdain ที่ทำให้ผู้ชมประหลาดใจเพราะเขายังสามารถบรรยายได้

สตาร์ทอัพด้านไอทีช่วยบริษัทผลิตสร้างเสียงของ Bourdain ขึ้นมาใหม่เพื่อให้เรื่องราวมีความสมจริงมากขึ้น ไม่ต้องสงสัยเลยว่านี่เป็นความสำเร็จที่ยิ่งใหญ่ แต่ก็มีปัญหาทางศีลธรรมมากมาย ท้ายที่สุดแล้ว ใครๆ ก็สามารถใช้คอมพิวเตอร์ที่มีซอฟต์แวร์ที่เหมาะสมในการสร้างภาพหรือเสียงที่ถูกดัดแปลงเกี่ยวกับบุคคลอื่นได้

Deepfakes ถูกสร้างขึ้นอย่างไร?

ก่อนอื่น คุณต้องรวบรวมตัวอย่างเสียงของใครบางคนให้เพียงพอ ข้อมูลอาจมาจากโพสต์ในโซเชียลมีเดีย การบันทึกการโทรศัพท์ โทรทัศน์ ฯลฯ จากนั้นซอฟต์แวร์ที่ทำงานบนอัลกอริทึม AI จะรวมตัวอย่างเหล่านั้นเพื่อสร้างเสียงปลอม

นี่เป็นภาพรวมพื้นฐานของกระบวนการที่ซับซ้อน แต่ในที่สุด เครื่องมือ AI จะใช้ข้อมูลที่รวบรวมมาเพื่อสร้างเสียงที่ฟังดูเป็นธรรมชาติซึ่งสามารถอ่านข้อความดิจิทัลได้ ด้วยเหตุนี้ Deepfakes จึงมีความเกี่ยวข้องอย่างใกล้ชิดกับ การแปลงข้อความเป็นเสียง (TTS) เทคโนโลยี

การผสานเสียง Deepfake ในการแปลงข้อความเป็นเสียง

ผู้ใช้สามารถปรับแต่งคุณสมบัติต่างๆ เช่น โทนเสียง อายุ และสำเนียง โดยใช้เทคโนโลยีเสียง Deepfake ที่ผสานเข้ากับระบบการแปลงข้อความเป็นเสียง คนเหล่านี้สามารถพัฒนาเสียงสังเคราะห์ที่คล้ายกับโทนและสไตล์ที่ต้องการได้ เช่น ในกรณีของความพิการทางเสียง การปรับแต่งเช่นนี้จะช่วยปรับปรุงความสามารถในการสื่อสารและคุณภาพชีวิตโดยรวมของพวกเขาได้อย่างมาก

การใช้เสียง Deepfake พวกเขาสร้างเนื้อหาเสียงที่น่าสนใจมากขึ้นเพื่อดึงดูดผู้ติดตามและความภักดีสำหรับผู้สร้างเนื้อหา พวกเขาใช้เสียง Deepfake ที่ฟังดูเหมือนผู้บรรยายหรือดาราที่มีชื่อเสียงเพื่อดึงดูดและทำให้ผู้ฟังหลงใหล โดยเฉพาะอย่างยิ่งสำหรับเนื้อหามัลติมีเดีย เช่น หนังสือเสียง พอดแคสต์ ที่เสียงมีผลกระทบอย่างมากในการกระตุ้นความรู้สึกในการมีส่วนร่วมของผู้ชม

อย่างไรก็ตาม การใช้เสียง Deepfake เพื่อผสานเข้ากับระบบ TTS ก่อให้เกิดปัญหาทางศีลธรรมหลายประการ เสียง Deepfake สามารถถูกใช้ในการบิดเบือนและปลอมแปลง ทำให้ผู้คนเข้าใจผิดที่ไม่สามารถให้ความยินยอมเกี่ยวกับการกระทำดังกล่าวได้ สิ่งนี้ชี้ให้เห็นถึงความจำเป็นในการควบคุมและกฎหมายที่ส่งเสริมการใช้เทคโนโลยีนี้อย่างถูกต้องและมีศีลธรรม

สุดท้าย การผสานเสียง Deepfake เข้ากับระบบการแปลงข้อความเป็นเสียงนำเสนอโอกาสสำหรับการสังเคราะห์เสียงที่เป็นเอกลักษณ์และน่าสนใจ เทคโนโลยีนี้อาจเปลี่ยนแปลงการโต้ตอบของเรากับเสียงที่สร้างขึ้นในลักษณะที่ทำให้เข้าถึงได้มากขึ้นและปรับปรุงความพึงพอใจโดยรวมของผู้ใช้เมื่อพิจารณาถึงข้อกังวลด้านจริยธรรม

ข้อดี

Deepfakes มีองค์ประกอบเชิงบวกหลายประการ วิดีโอ Deepfake “This Is Not Morgan Freeman” ในปี 2021 แสดงให้เห็นว่าเทคโนโลยีเสริมสามารถมีประโยชน์ได้อย่างไร

ภาพแสดงให้เห็นว่าโดยการฝึก AIด้วยการบันทึกเสียงและคลิปภาพยนตร์ พวกเขาสามารถสร้างการเลียนแบบนักแสดงได้ รวมถึงการเลียนแบบการเคลื่อนไหว รูปลักษณ์ และการพูดของเขา แม้ว่าเราจะชี้ให้เห็นว่ามีปัญหาด้านจริยธรรม แต่ก็อาจมีคุณค่ามหาศาลสำหรับบุคคลเช่นนักแสดง Val Kilmer

แม้ว่า Kilmer จะเป็นมะเร็งที่ลำคอทำให้เขาสูญเสียเสียง บางคนเชื่อว่านั่นคือจุดจบของอาชีพในฮอลลีวูดของเขา ในสารคดี Prime Voice บน Amazon Prime เกี่ยวกับ Kilmer มีการเปิดเผยว่าลูกชายของนักแสดงจะให้เสียงพากย์ Kilmer เมื่อแสดงบทบาทใหม่

อย่างไรก็ตาม เมื่อ Kilmer ร่วมมือกับ Sonantic—สตาร์ทอัพด้านไอทีที่มีการสร้างแบบจำลองเสียง ในที่สุดเขาก็ได้เสียงของเขากลับมา โดยใช้เทคโนโลยี deepfake บริษัทได้สร้างเสียงของ Kilmer ขึ้นใหม่ และผู้ชมสามารถได้ยินผลลัพธ์ที่น่าทึ่งในภาพยนตร์ที่เพิ่งออกฉาย Top Gun: Maverick

ข้อเสีย

การเรียนรู้ของเครื่องสามารถเลียนแบบเสียงของใครบางคนในสถานที่เช่นนิวยอร์กที่กำลังยอมรับเทคโนโลยีอย่างรวดเร็ว สิ่งนี้ทำให้บุคคลสามารถเปิดเผยข้อมูลส่วนตัวและตกเป็นเหยื่อของการโทรหลอกลวงหรือการฉ้อโกงได้ง่าย

ข้อกังวลด้านจริยธรรมเกี่ยวกับเทคโนโลยี Deepfake

มีคำถามด้านจริยธรรมบางประการเกี่ยวกับการใช้เสียง deep fake และข้อความเป็นเสียง เมื่อมีความก้าวหน้าทางเทคโนโลยีมากขึ้น ก็มีความเสี่ยงที่อาจเกิดขึ้น เสียง deep fake ของ Arnold Schwarzenegger AI ตัวอย่างเช่น เป็นธรรมชาติมากจนหลอกคนได้ สิ่งนี้อาจทำให้เกิดความสงสัยในสิ่งที่ได้ยินและความไม่มั่นใจในตนเอง

เมื่อสังคมยอมรับเทคโนโลยีใหม่ในทุกรูปแบบ จำเป็นต้องคิดให้รอบคอบเกี่ยวกับอันตรายที่มาพร้อมกับมัน Deep fakes สามารถหลอกลวงและมีอิทธิพลต่อมนุษย์ผ่านเสียงของพวกเขา ดังนั้นจึงเป็นเรื่องสมเหตุสมผลที่จะกังวล เนื่องจากอาจทำลายความเชื่อมั่นของสาธารณชนและละเมิดสิทธิ์ความเป็นส่วนตัว

โดยส่วนใหญ่ มีปัญหาเร่งด่วนเมื่อพูดถึงการใช้ deep fakes ที่อันตรายยิ่งกว่าคือการใช้เสียงสังเคราะห์เมื่อใช้ในการหลอกลวงทางโทรศัพท์และแคมเปญข้อมูลเท็จที่แพร่หลาย ลองนึกภาพว่าคุณได้รับสายที่ไม่รู้จัก แต่เสียงของใครบางคนฟังดูคุ้นเคยมาก คุณอาจจำเสียงนี้ได้ว่าเป็นเพื่อนสนิท สมาชิกในครอบครัว หรือแฟน แต่เกือบจะในทันทีหลังจากนั้นจะชัดเจนว่านี่เป็นเพียงการหลอกลวง การบิดเบือนสามารถก่อให้เกิดผลกระทบที่ร้ายแรงมากซึ่งอาจส่งผลกระทบต่อผู้คน ชุมชนทั้งหมด หรือรัฐ

ลดผลกระทบจากการใช้เสียง deep fake อย่างผิดวิธี

เพื่อที่จะลดภัยคุกคามนี้ จำเป็นต้องมีโปรแกรมการกำกับดูแลที่เข้มงวดและการให้ความรู้แก่ผู้ใช้ เสียง deep fake จำเป็นต้องใช้อย่างรอบคอบและควรมีกฎเกณฑ์ที่กำหนดโดยรัฐบาลและบริษัทเทคโนโลยีที่ทำงานร่วมกัน มาตรการที่มีประสิทธิภาพได้รับการพัฒนาเพื่อระบุและต่อสู้กับการใช้เทคโนโลยีเสียงสังเคราะห์ในทางที่ผิด สิ่งเหล่านี้ยังเกี่ยวข้องกับการให้ความรู้แก่ผู้ใช้เกี่ยวกับข้อเท็จจริงนี้ เนื่องจากเทคโนโลยีเสียงสังเคราะห์สามารถใช้เพื่อวัตถุประสงค์ที่เป็นอันตรายได้

นอกจากนี้ ยังเรียกร้องให้พิจารณาอย่างรอบคอบในการสร้างสรรค์นวัตกรรมแต่ไม่ข้ามขอบเขตในการใช้เทคโนโลยีเสียง deep fake และข้อความเป็นเสียง การพัฒนาเทคโนโลยีมีความหวังอย่างแน่นอน แต่จำเป็นต้องมีความโปร่งใสและความรับผิดชอบที่เหมาะสมเมื่อใช้งาน สิ่งสำคัญคือต้องแจ้งให้ผู้ใช้ทราบเกี่ยวกับการสังเคราะห์เสียง เนื่องจากช่วยให้พวกเขารู้ได้ดีขึ้นว่าข้อมูลใดเป็นของจริงและข้อมูลใดเป็นของปลอม

กฎหมายและความเป็นส่วนตัวเกี่ยวกับเสียง deepfake

การพิจารณาด้านกฎหมายและความเป็นส่วนตัวยังมีบทบาทเมื่อพูดถึงเสียง deep fake มีคำถามเกิดขึ้นเกี่ยวกับการเป็นเจ้าของเสียงสังเคราะห์และความเป็นไปได้ในการใช้งานโดยไม่ได้รับอนุญาต จำเป็นต้องมีแนวทางที่ชัดเจนเพื่อจัดการกับปัญหาที่ซับซ้อนเหล่านี้ เพื่อให้แน่ใจว่าสิทธิของบุคคลได้รับการคุ้มครองและเทคโนโลยีถูกใช้อย่างมีความรับผิดชอบ

เมื่อเรานำทางข้อพิจารณาด้านจริยธรรมเกี่ยวกับเสียง deep fake สิ่งสำคัญคือต้องมีส่วนร่วมในการอภิปรายที่เปิดกว้างและครอบคลุม นักจริยธรรม ผู้กำหนดนโยบาย นักเทคโนโลยี และสาธารณชนทั่วไปต้องมารวมตัวกันเพื่อจัดการกับข้อกังวลเหล่านี้และกำหนดอนาคตของเทคโนโลยีนี้ในลักษณะที่เป็นประโยชน์ต่อสังคมโดยรวม

ลองนึกภาพว่าคุณได้รับสายที่ฟังดูเหมือนมาจากเพื่อนหรือสมาชิกในครอบครัว แต่จริงๆ แล้วเป็นเสียงปลอมที่พยายามหลอกคุณ สิ่งนี้สามารถทำร้ายผู้คน ชุมชน และแม้แต่ทั้งประเทศ มีกรณีการใช้งานเสียง deep fake มากมาย ตั้งแต่แอปพลิเคชันสนุกๆ เช่น การให้ Alexa พูดด้วยเสียงของคนดัง ไปจนถึงการใช้งานที่จริงจังกว่าที่อาจทำให้เข้าใจผิด

ความจำเป็นในการควบคุมเพื่อให้การใช้เสียง deepfake เป็นไปอย่างมีจริยธรรม

เพื่อให้ผู้คนปลอดภัย เราจำเป็นต้องมีกฎระเบียบที่เข้มงวดและวิธีการสอนผู้ใช้เกี่ยวกับเสียงปลอมเหล่านี้ รัฐบาลและบริษัทเทคโนโลยีควรร่วมมือกัน พวกเขาจำเป็นต้องสร้างกฎเกี่ยวกับวิธีการใช้เสียง deep fake อย่างถูกต้อง พวกเขายังต้องหาวิธีตรวจจับและหยุดเสียงปลอมที่เป็นอันตราย

เมื่อใช้เสียง deep fake สิ่งสำคัญคือต้องระมัดระวังและคิดถึงสิ่งที่ถูกและผิด แม้ว่าเครื่องมือเสียงใหม่เหล่านี้จะเจ๋ง แต่เราจำเป็นต้องใช้มันในลักษณะที่ซื่อสัตย์ ผู้คนควรรู้ว่าเมื่อใดที่เสียงที่พวกเขาได้ยินถูกสร้างขึ้นโดยคอมพิวเตอร์ ด้วยวิธีนี้พวกเขาสามารถตัดสินใจได้ว่าพวกเขาเชื่อถือสิ่งที่ได้ยินหรือไม่

การพูดคุยเกี่ยวกับปัญหาเสียง deep fake เป็นสิ่งสำคัญ ทุกคน ตั้งแต่ผู้เชี่ยวชาญไปจนถึงคนทั่วไป ควรแบ่งปันความคิดของพวกเขา สิ่งนี้จะช่วยให้เราใช้เทคโนโลยีนี้ในลักษณะที่ดีต่อทุกคน

โชคดีที่เมื่อซอฟต์แวร์สร้างเสียงพัฒนาไปเรื่อย ๆ เราก็จะเก่งขึ้นในการตรวจจับเสียงปลอมด้วย บริษัทเทคโนโลยีกำลังพัฒนาเครื่องมือเพื่อตรวจจับและหยุดเสียงปลอมเหล่านี้ ซึ่งจะช่วยให้สถานที่ต่าง ๆ เช่น ธนาคารและศูนย์บริการในนิวยอร์กมั่นใจได้ว่าพวกเขากำลังพูดคุยกับคนจริง ๆ ไม่ใช่เสียงคอมพิวเตอร์ที่พยายามหลอกลวง

ซอฟต์แวร์เสียง Deepfake ที่น่าลอง

เครื่องมือการเรียนรู้ของเครื่องสามารถส่งผลดีต่อชีวิตของหลาย ๆ คน และคุณอาจสนใจที่จะลองสร้างเสียง deepfake แม้ว่าคุณจะต้องการฮาร์ดแวร์และซอฟต์แวร์ที่ทันสมัยเพื่อให้ได้ผลลัพธ์คุณภาพสูง แต่คุณสามารถใช้โปรแกรมหลายตัวเพื่อผลิต เสียงที่ฟังดูเป็นธรรมชาติ นี่คือเครื่องสร้างเสียง deepfake ห้าตัวที่คุณสามารถลองได้:

Resemble

Resemble AI เป็น เครื่องมือแปลงข้อความเป็นเสียง และสร้าง deepfake ที่ผลิตเสียงมนุษย์โดยใช้ข้อมูลจำกัด เพียงแค่มีการบันทึกเสียงประมาณห้านาที ผู้ใช้ก็สามารถสร้าง deepfake แรกของตนได้

คุณสามารถทดสอบฟีเจอร์ตัวอย่างและป้อนคลิปของตัวเองลงในแอป และภายในไม่กี่นาทีคุณจะได้ยินเสียงที่คุ้นเคย ผู้ใช้ชื่นชอบอินเทอร์เฟซที่ใช้งานง่ายของ Resemble และยังสามารถปรับแต่งเสียงของผลลัพธ์ได้อีกด้วย

Descript

ซอฟต์แวร์สังเคราะห์เสียงที่น่าประทับใจนี้มีความสามารถในการแก้ไขที่ทรงพลัง โปรแกรมนี้วิเคราะห์การบันทึกเสียง คลิปวิดีโอ และบทถอดเสียงเพื่อสร้างเสียงที่ขับเคลื่อนด้วย AI หากคุณไม่พอใจกับคุณภาพของวัสดุที่ป้อนเข้าไป คุณสามารถแก้ไขได้โดยตรงจากแอปโดยไม่ต้องทำการบันทึกเพิ่มเติม

วัตถุประสงค์หลักของ Descript คือการช่วยให้ผู้สร้างเนื้อหาทำเสียงพากย์คุณภาพสูงสำหรับพอดแคสต์และวิดีโอของพวกเขา โปรแกรมนี้มีเสียงสต็อกมากมายที่คุณสามารถทดลองใช้เพื่อทำความคุ้นเคยกับความสามารถของ Descript

ReSpeecher

ReSpeecher เป็นโซลูชัน deepfake ที่เชื่อถือได้ซึ่งช่วยสร้างเสียงของ Luke Skywalker ใน The Mandalorian แม้ว่าซอฟต์แวร์นี้จะเหมาะสำหรับภาพยนตร์และรายการทีวี แต่ก็ยังเป็นวิธีที่ยอดเยี่ยมในการทำ เสียงพากย์ สำหรับโฆษณา แอนิเมชัน วิดีโอเกม พอดแคสต์ และอื่น ๆ

iSpeech

iSpeech มีให้ใช้งานในรูปแบบโปรแกรมเดสก์ท็อป แต่คุณยังสามารถลองใช้เวอร์ชันเว็บได้ นอกจากการสังเคราะห์เสียงแล้ว แอปยังมีฟีเจอร์แปลงข้อความเป็นเสียง เว็บรีดเดอร์ และการรู้จำเสียงพูดอีกด้วย เพื่อทำความคุ้นเคยกับซอฟต์แวร์ คุณสามารถลองใช้เดโมและเล่นกับเสียงของ Barrack Obama, Arnold Schwarzenegger หรือ Scarlett Johansson

การโคลนนิ่งเสียงแบบเรียลไทม์

โครงการโอเพ่นซอร์สนี้มีให้ใช้งานฟรีบน GitHub กล่องเครื่องมือที่ครอบคลุมนี้สามารถสังเคราะห์เสียงของบุคคลได้ด้วยเสียงอินพุตเพียงห้าวินาที อย่างไรก็ตาม ผู้ใช้รายงานว่าการใช้งานซอฟต์แวร์นี้ต้องการทักษะทางเทคนิคระดับปานกลางถึงขั้นสูง

Speechify – ทางเลือกที่ใช้งานง่ายสำหรับการแปลงข้อความเป็นเสียงแทนเสียง deepfake

แอปพลิเคชันแปลงข้อความเป็นเสียง (TTS) เช่น Speechify และโปรแกรมสร้างเสียงปลอมใช้เทคโนโลยีที่คล้ายกัน แต่มีวัตถุประสงค์ที่แตกต่างกัน Speechify เป็นเครื่องมือ TTS หรือ เครื่องมืออ่านออกเสียง ที่สามารถอ่านข้อความที่พิมพ์หรือดิจิทัลได้เกือบทุกชนิด หลังจากที่ผู้ใช้นำเข้าเอกสาร Microsoft Word บทความ หรือบทถอดเสียงเข้าไปในแอปและเลือกเสียงผู้บรรยายที่ต้องการ Speechify จะอ่านเนื้อหาออกเสียง

โปรแกรมนี้มีการเลือกเสียงชายและเสียงหญิงคุณภาพสูงที่ไม่เหมือนใคร และรองรับมากกว่า 20 ภาษา รวมถึงภาษาอังกฤษ สเปน ฝรั่งเศส อิตาลี และโปรตุเกส หากคุณต้องการเพิ่มประสิทธิภาพการทำงานและฟังเสียงคนดังอ่านให้คุณฟัง ทำไมไม่ลองใช้เสียงของ Gwyneth Paltrow ใน Speechify ดูล่ะ?

ดาวน์โหลดโปรแกรมบนคอมพิวเตอร์ของคุณ, iPhone หรือ อุปกรณ์ Android และลองใช้ Speechify ฟรี วันนี้

คำถามที่พบบ่อย

FakeYou ฟรีหรือไม่?

FakeYou เป็นโปรแกรมที่ใช้งานง่ายและฟรีที่คุณสามารถใช้สร้างเสียงที่ฟังดูเป็นธรรมชาติได้

คุณจะรู้ได้อย่างไรว่าเสียงเป็น deepfake?

การระบุ deepfake อาจเป็นเรื่องท้าทายหากไม่มีซอฟต์แวร์ที่ซับซ้อน บริษัทด้านความปลอดภัยไซเบอร์ใช้ระบบไบโอเมตริกเสียงเพื่อป้องกันการฉ้อโกง deepfake

อันตรายบางประการของเสียง deepfake คืออะไร?

บางครั้ง deepfake ถูกใช้เพื่อวัตถุประสงค์ที่เป็นอันตรายและสามารถแพร่กระจายข้อมูลที่ผิด ทำลายชื่อเสียงของบุคคล และทำให้เกิดความไม่ไว้วางใจในสถาบันรัฐบาล