A OpenAI anunciou uma nova ferramenta de clonagem de áudio baseada em inteligência artificial chamada Voice Engine na sexta-feira. 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 àqueles que perderam a deles – a OpenAI claramente está muito preocupada com como isso poderia ser abusado. E com razão.
“OpenAI está comprometida em desenvolver uma IA segura e amplamente benéfica”, disse a empresa em um comunicado na sexta-feira, deixando claras suas preocupações já na primeira frase.
O Voice Engine essencialmente usa a mesma tecnologia que está por trás de sua API de texto para fala e do ChatGPT Voice, mas essa aplicação da tecnologia é toda sobre clonar uma voz ao invés de ler algo em voz alta com o tom e inflexão de um estranho. A OpenAI observa que sua tecnologia é excepcional ao precisar apenas de uma amostra de 15 segundos para “criar vozes emotivas e realistas.”
“Hoje estamos compartilhando 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 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 IA 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 moveram processos, reclamando que não foram compensados pelo seu trabalho.
O site da OpenAI tem exemplos de clipes de áudio que foram alimentados pelo Voice Engine e são bastante 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 a ElevenLabs, e tradutores como o Respeecher. Mas a OpenAI se tornou um gigante desde que lançou publicamente o ChatGPT no final de 2022. E assim que tornar o Voice Engine um produto de uso público (ainda não há data de lançamento), poderia abrir as comportas para todo tipo de novos abusos que nunca nem sonhamos.
O comunicado da OpenAI na sexta-feira observou: “Estamos adotando uma abordagem cautelosa e informada para um lançamento mais amplo devido ao potencial de uso indevido de voz sintética”, enfatizando as preocupações que toda empresa importante agora enfrenta com esse tipo de tecnologia de IA.
Um exemplo particularmente preocupante de alguém usando a clonagem de voz de IA para fins nefastos aconteceu mais cedo este ano com a voz do Presidente Joe Biden. Steve Kramer, que trabalhava para o candidato presidencial democrata azarão Dean Phillips, clonou a voz de Biden para criar uma mensagem que dizia que as pessoas não precisavam se preocupar em votar nas primárias de New Hampshire. Kramer usou a ferramenta de voz de IA da ElevenLabs e o fez 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 grande escala.”
Isso, é claro, é a faca de dois gumes de toda nova tecnologia. Os golpistas sempre encontrarão uma maneira de explorar ferramentas emergentes para enganar as pessoas e tirar delas o dinheiro suado. Mas você não precisa usar vozes falsas geradas por IA para enganar as pessoas. Como relatamos no início desta semana, o mais recente golpe de criptomoedas usa atores reais contratados no Fiverr para ler um roteiro que ajuda a vender seu golpe como autêntico.
