xAI wprowadza klonowanie głosu z minutowego nagrania

Sklonowany głos można następnie wykorzystać w interfejsach API firmy do syntezy mowy i agentów głosowych. xAI wprowadził również zabezpieczenia mające zapobiec nadużyciom technologii.

Kluczowe wnioski

• xAI wymaga jedynie około minuty naturalnej mowy do stworzenia klonu głosu, a proces trwa mniej niż dwie minuty.
• Firma wdrożyła dwuetapowy proces weryfikacji — użytkownik czyta passphrase sprawdzaną w czasie rzeczywistym, a system porównuje charakterystyki głosu z obu nagrań.
• Nowa „Biblioteka głosów” zawiera ponad 80 preinstalowanych głosów w 28 językach, a korzystanie ze sklonowanych głosów nie wiąże się z dodatkowymi kosztami.
• Funkcja opiera się na wcześniej uruchomionych API Grok Speech-to-Text i Text-to-Speech oraz modelu agenta głosowego „Grok Voice Think Fast 1.0”.

Zabezpieczenia przed nadużyciami

xAI zastosował dwuetapowy proces weryfikacji, mający zapobiec klonowaniu głosów bez zgody właściciela. Pierwszy krok polega na odczytaniu przez użytkownika passphrase, które jest sprawdzane w czasie rzeczywistym. W drugim etapie system porównuje charakterystyki głosu z obu nagrań, aby potwierdzić, że mówi ta sama osoba.

Według xAI, taki system uniemożliwia klonowanie istniejących nagrań lub głosu kogoś innego. To ważne zabezpieczenie w kontekście rosnących obaw związanych z potencjalnym nadużywaniem technologii klonowania głosu.

Rozbudowa ekosystemu głosowego

Nowa funkcja „Custom Voices” wpisuje się w szerszą strategię xAI dotyczącą technologii głosowych. Bazuje ona na niedawno uruchomionych API Grok Speech-to-Text i Text-to-Speech oraz modelu agenta głosowego „Grok Voice Think Fast 1.0”, który według firmy już obsługuje wsparcie klienta i sprzedaż dla Starlink.

Konsola xAI została również wzbogacona o „Bibliotekę głosów” zawierającą ponad 80 preinstalowanych głosów w 28 językach. Co istotne, korzystanie ze sklonowanych głosów nie pociąga za sobą dodatkowych kosztów, co może przyczynić się do szerszego adopcji tej technologii.

Wprowadzenie funkcji Custom Voices przez xAI stanowi kolejny krok w rozwoju technologii klonowania głosu, łącząc prostotę użycia z zabezpieczeniami mającymi zapobiec nadużyciom.