Nhân bản giọng nói bằng AI - mô hình kinh doanh mới ở Hollywood

ElevenLabs, được các công ty đầu tư mạo hiểm Andreessen Horowitz và Sequoia tài trợ, ra đời năm 2023. ElevenLabs đã tạo ra âm thanh cho sách và các bài báo, nhân vật trò chơi điện tử, phương tiện truyền thông xã hội và quảng cáo. Công ty đã làm việc với các nhà xuất bản như New York Times và Washington Post và đầu năm nay đã được Disney lựa chọn tham gia chương trình của hãng này.

Ông Sam Sklar, thành viên của nhóm phát triển ElevenLabs, cho biết: “Cần khoảng 30 phút âm thanh chất lượng cao để tạo bản sao giọng nói chuyên nghiệp”. Sau khi được tạo, giọng nói AI có thể được chọn để đọc văn bản (bài viết, PDF, ePub, bản tin hoặc nội dung văn bản khác). Tuy nhiên, không thể trích xuất giọng nói và nội dung trong một ứng dụng đọc. Ví dụ, người dùng có thể có các bài báo đọc bằng giọng của James Dean trong ứng dụng, nhưng không thể tiếp cận giọng nói này cho bất cứ nội dung nào chưa có trong ứng dụng.

Các thỏa thuận trên giúp thiết lập ranh giới cho tương lai, cho phép kiểm soát, quản lý tốt hơn các nội dung giọng nói do AI tạo ra. Động thái trên rất quan trọng trong bối cảnh có nhiều lo ngại AI sử dụng trái phép giọng nói của người nổi tiếng, nhất là sau vụ nữ diễn viên Scarlett Johansson cáo buộc OpenAI ăn cắp giọng nói của cô.

Hiện tại nhiều diễn viên, nhất là diễn viên lồng tiếng, vẫn lo ngại về việc sử dụng AI để tạo nội dung giọng nói. Một số người từ chối xem xét bất kỳ thỏa thuận nào trong lĩnh vực này. Tuy nhiên, một số người khác cho rằng không nên bỏ qua cơ hội sao chép giọng nói của họ để sản xuất nhanh hơn, rẻ hơn trên một số dạng sách nói.

Các mô hình tạo giọng gần đây đã cho thấy những tiến bộ đáng kể so với các phiên bản trước đó, khiến việc phân biệt giọng nói giả và giọng thật trở nên ngày càng khó khăn. Cấp phép giọng nói AI có thể giảm bớt khối lượng công việc cho diễn viên lồng tiếng mà không thay thế họ, vì họ can thiệp vào quá trình này bằng cách tập trung vào việc cung cấp bản sửa lỗi hoặc cải thiện các khía cạnh không thể diễn tả được như ngữ điệu, độ ấm và sự nhấn mạnh - những yếu tố vẫn còn nhiều thách thức.

AI chỉ tốt khi các mô hình được đào tạo tốt, và bộ dữ liệu giọng nói của diễn viên trở thành một phần của quá trình này. Ông Nauman Dawalatabad tại Phòng thí nghiệm Khoa học máy tính và Trí tuệ nhân tạo MIT có nhiều nghiên cứu sâu rộng về tạo giọng nói AI, cho biết: “Việc truyền tải giọng nói của các ngôi sao điện ảnh có thể bổ sung cho khả năng học của AI bằng cách cung cấp các bộ dữ liệu giọng nói chất lượng cao để đào tạo và tinh chỉnh các mô hình lớn”.