Spotify patenteia tecnologia de síntese de voz

De acordo com o documento enviado ao Escritório de Marcas e Patentes dos Estados Unidos (USPTO), a tecnologia de inteligência artificial utiliza um sistema de dois modelos que primeiro converte o texto em uma representação de áudio e, em seguida, adiciona atributos de fala, como emoção, intenção, sotaque e projeção.

A tecnologia tem o potencial de ser usada em uma variedade de aplicações, incluindo audiolivros, podcasts e até mesmo jogos. No entanto, também é importante estar ciente dos potenciais riscos dessa tecnologia.

A patente do Spotify é um passo importante no desenvolvimento da tecnologia de síntese de voz. Com o desenvolvimento de tecnologias como essa, é possível que a voz humana seja gerada de forma cada vez mais realista e indistinguível da voz humana real. Isso pode impulsionar todo um mercado e despertar muitas discussões sobre os problemas envolvidos. 

A tecnologia do Spotify também tem o potencial de ser usada em aplicações mais controversas, como a criação de deep fakes. Os deep fakes são vídeos ou áudios que foram manipulados para fazer com que alguém pareça dizer ou fazer algo que nunca disse ou fez. Essa tecnologia pode ser usada para espalhar desinformação ou para difamar pessoas.

A ferramenta foi bolada por uma equipe de cientistas e engenheiros da empresa. O sistema funciona alimentando o texto em um sintetizador construído com uma rede de previsão de IA configurada para converter o texto em dados de fala. Em seguida, esses dados de fala são alimentados a um Vocoder baseado em rede neural, ou outro sintetizador construído especificamente para dados vocais, que adiciona atributos de fala veiculados no texto inicial, como emoção, intenção, projeção, ritmo e sotaque, ao criar o dito discurso.

A tecnologia do Spotify ainda está em desenvolvimento, mas a empresa tem planos de utilizá-la em seus produtos e serviços. Por exemplo, a tecnologia poderia ser usada para criar audiolivros personalizados para cada usuário, ou para gerar podcasts que sejam mais envolventes e interessantes para os ouvintes.

Veja também:

O que é uma IA ‘Speech to Text’? | Glossário do Newsverso

Uma inteligência artificial “Speech to Text” é uma tecnologia que permite a conversão automática e precisa da fala humana em texto escrito.

Web3 Sound arrecada US$ 20 milhões para impulsionar a indústria musical descentralizada, Snoop Dogg está entre investidores

A plataforma de música Web3 Sound levantou um impressionante financiamento de US$ 20 milhões. A iniciativa foi liderada pela renomada empresa de capital de risco Andreessen Horowitz (a16z) e pelo rapper norte-americano Snoop Dogg.