A OpenAI anunciou na sexta-feira uma nova ferramenta de clonagem de áudio baseada em inteligência artificial chamada Voice Engine. Enquanto a empresa obviamente se orgulha do potencial dessa tecnologia – destacando como ela poderia ser usada para fornecer assistência na leitura para crianças e dar voz a quem perdeu a sua – a OpenAI está claramente muito nervosa com a possibilidade de abuso. E com razão.
“A OpenAI está comprometida em desenvolver uma inteligência artificial segura e amplamente benéfica”, disse a empresa em um comunicado na sexta-feira, deixando claro suas preocupações já na primeira frase.
O Voice Engine usa essencialmente a mesma tecnologia que está por trás de sua API de texto para fala e ChatGPT Voice, mas esta aplicação da tecnologia é tudo sobre clonar uma voz em vez de ler algo em voz alta com o tom e inflexão de um estranho. A OpenAI destaca que sua tecnologia é excepcional, pois precisa apenas de uma amostra de 15 segundos para “criar vozes emotivas e realistas”.
“Estamos compartilhando hoje insights preliminares e resultados de uma prévia em pequena escala de um modelo chamado Voice Engine, que usa entrada de texto e uma única amostra de áudio de 15 segundos para gerar uma fala com som natural que se assemelha de perto ao orador original”, escreveu a empresa.
Não está claro que tipo de dados de treinamento foram usados para construir o Voice Engine, um ponto sensível para empresas de inteligência artificial que foram acusadas de violar leis de direitos autorais ao treinar seus modelos em obras protegidas. Empresas como a OpenAI argumentam que seus métodos de treinamento contam como “uso justo” sob a lei de direitos autorais dos EUA, mas vários detentores de direitos autorais processaram, reclamando que não foram compensados por seu trabalho.
O site da OpenAI tem exemplos de clipes de áudio que foram alimentados pelo Voice Engine e são impressionantes. A capacidade de alterar o idioma que alguém está falando também é muito legal. Mas você ainda não pode experimentar por si mesmo. Já existem várias ferramentas de clonagem de voz disponíveis, como ElevenLabs, e tradutores como Respeecher. Mas a OpenAI se tornou um gigante desde que lançou o ChatGPT publicamente no final de 2022. E assim que tornar o Voice Engine um produto de fácil acesso para o público (ainda não há data de lançamento), poderá abrir as comportas para todo tipo de novo abuso que nunca nem imaginamos.
O comunicado da OpenAI na sexta-feira observou: “Estamos adotando uma abordagem cautelosa e informada para um lançamento mais amplo devido ao potencial de abuso de voz sintética”, enfatizando as preocupações que toda grande empresa enfrenta agora com esse tipo de tecnologia de inteligência artificial.
Um exemplo particularmente preocupante de alguém usando a clonagem de voz por inteligência artificial para propósitos nefastos aconteceu mais cedo neste ano usando a voz do Presidente Joe Biden. Steve Kramer, que trabalhava para o candidato presidencial democrata Dean Phillips, clonou a voz de Biden para criar uma mensagem que dizia às pessoas para não se preocuparem em votar nas primárias de New Hampshire. Kramer usou a ferramenta de voz de IA da ElevenLabs e fez isso em “menos de 30 minutos”, enviando a mensagem de robocall para cerca de 5.000 pessoas, de acordo com o Washington Post.
“Esperamos iniciar um diálogo sobre o uso responsável de vozes sintéticas e como a sociedade pode se adaptar a essas novas capacidades”, disse o comunicado da OpenAI. “Com base nessas conversas e nos resultados desses testes em pequena escala, tomaremos uma decisão mais informada sobre se e como implantar essa tecnologia em escala”.
Isso, é claro, é a faca de dois gumes de toda nova tecnologia. Golpistas sempre encontrarão uma maneira de explorar ferramentas emergentes para enganar as pessoas de seu dinheiro suado. Mas você não precisa usar vozes geradas por IA falsas para enganar as pessoas. Como relatamos nesta semana, o golpe de criptomoeda mais recente usa atores reais contratados no Fiverr para ler um roteiro que ajuda a vender seu golpe como autêntico.
