Audiobox: A nova IA da Meta capaz de clonar vozes

O Audiobox utiliza uma tecnologia de aprendizado auto-supervisionado para gerar efeitos sonoros a partir de comandos de texto. A ferramenta, no entanto, chegou ao mercado com uma série de restrições.

As inteligências artificiais cada vez mais se aprofundam no desenvolvimento de ferramentas capazes de replicar estilos vocais, incluindo timbre, sotaque, maneirismos, tom, pronúncias e outras particularidades. Dessa forma, o Audiobox foi apresentado pelo laboratório de desenvolvimento de IA da Meta como um “modelo de pesquisa para criação de áudio”.

O Audiobox permite a geração de efeitos sonoros combinando entradas de voz e prompts de texto. Portanto, a ferramenta permite aos usuários digitar frases ou descrever sons para serem gerados, além de possibilitar a clonagem de vozes por meio de gravações.

A IA utiliza aprendizado auto-supervisionado (SSL), permitindo que algoritmos gerem rótulos para dados não rotulados. E para seu funcionamento a Meta criou modelos separados para imitação de fala, efeitos sonoros e geração de sons ambiente.

Ressalvas da plataforma

Por enquanto, o Audiobox foi lançado apenas para fins de pesquisa e não pode ser usado comercialmente, além de ser restrito a usuários fora dos estados de Illinois e Texas (EUA), por conta das leis locais. 

Além disso, o desenvolvimento da plataforma dependeu de grandes quantidades de dados de áudio, incluindo fala, música e amostras sonoras de várias fontes e em diferentes idiomas. Dessa forma, não foi especificado pela empresa se os dados utilizados eram de domínio público, o que levanta diversos questionamentos sobre o uso de informações protegidas sem consentimento.

A empresa também não abriu mais detalhes sobre a ampla disponibilização da ferramenta ao público, considerando que o mesmo não foi lançado em código aberto.

Leia também: