اگر هوش مصنوعی صدای شما را بگیرد چیکار میکنید؟

تابستان گذشته، زمانی که پل اسکای لهرمن و لینیا سیج برای ملاقات با پزشک در نزدیکی خانه خود در منهتن می‌رفتند، به پادکستی درباره ظهور هوش مصنوعی و تهدیدی که برای زندگی نویسندگان، بازیگران و دیگر متخصصان سرگرمی ایجاد می‌کرد گوش دادند.

این موضوع به ویژه برای زوج جوان مهم بود. آنها به عنوان صداپیشه امرار معاش می کردند و هوش مصنوعی ها شروع به تولید صداهایی می‌کردند که شبیه چیزی واقعی بودند.

اما پادکست یک پیچ غیرمنتظره داشت. برای تاکید بر تهدید A.I، میزبان مصاحبه طولانی با یک چت بات صحبت به نام پو انجام داد. درست شبیه آقای لرمن بود.

او با صدای من در مورد خطرات A.I مصاحبه می کرد. و آسیب هایی که ممکن است بر صنعت سرگرمی داشته باشد،» آقای لرمن گفت. ما ماشین را کشیدیم و در کمال ناباوری آنجا نشستیم و سعی کردیم بفهمیم چه اتفاقی افتاده است و چه باید بکنیم.

صدای واقعی پل لرمن

صدای کلون هوش مصنوعی پل لرمن

آقای Lehrman و خانم Sage اکنون از شرکتی که صدای ربات را ایجاد کرده شکایت کرده اند. آنها ادعا می کنند که Lovo، یک استارت آپ در برکلی، کالیفرنیا، به طور غیرقانونی از ضبط صدای آنها برای ایجاد فناوری استفاده می کند که می تواند با صدای آنها رقابت کند. پس از شنیدن یک کلون از صدای آقای لرمن در پادکست، این زوج متوجه شدند که لوو یک کلون از صدای خانم سیج نیز ساخته است.

صدای واقعی خانم sage

صدای کلون هوش مصنوعی خانم sage

این زوج به تعداد فزاینده ای از هنرمندان، ناشران، برنامه نویسان کامپیوتر و دیگر سازندگانی می پیوندند که از سازندگان A.I شکایت کرده اند. فناوری‌ها، با این استدلال که این شرکت‌ها از کار خود بدون مجوز در ایجاد ابزارهایی استفاده کردند که در نهایت می‌تواند جایگزین آنها در بازار کار شود. (نیویورک تایمز از دو شرکت، OpenAI و شریک آن، مایکروسافت، در ماه دسامبر شکایت کرد و آنها را متهم کرد که از مقالات خبری دارای حق چاپ خود در ساخت ربات های چت آنلاین خود استفاده می کنند.)

این زوج در شکایت خود که روز پنجشنبه به دادگاه فدرال منهتن ارائه شد، گفتند که کارمندان ناشناس Lovo برای چند کلیپ صوتی در سال‌های 2019 و 2020 بدون افشای نحوه استفاده از این کلیپ‌ها به آنها پول پرداخت کرده‌اند.

آنها می گویند Lovo، که در سال 2019 تأسیس شد، با ترویج شبیه سازی صداهای خود، قانون علامت تجاری فدرال و چندین قانون حفظ حریم خصوصی ایالتی را نقض می کند. این کت و شلوار به دنبال وضعیت اکشن کلاسی است و آقای لهرمن و خانم سیج از دیگر صداپیشگان دعوت می کنند تا به آن بپیوندند.

استیو کوهن، وکیل آنها گفت: "ما نمی دانیم چند نفر دیگر تحت تاثیر قرار گرفته اند."

دیوید کیس، وکیل مدافع شرکت، گفت که لوو ادعاهای موجود در دعوی را رد می کند. او افزود که اگر همه افرادی که صداهای ضبط شده را به Lovo ارائه کرده اند رضایت خود را بدهند، "پس مشکلی وجود ندارد."

تام لی، مدیر اجرایی این شرکت، سال گذشته در یک قسمت پادکست گفت که Lovo اکنون یک برنامه اشتراک درآمد را ارائه کرده است که به صداپیشگان اجازه می‌دهد تا به شرکت کمک کنند تا از خود شبیه‌سازی‌های صوتی بسازند و مقداری از پول حاصل از آن کلون‌ها را دریافت کنند.

جفری بنت، مشاور عمومی SAG-AFTRA، اتحادیه کارگری که نماینده 160000 حرفه ای رسانه در سراسر جهان است، گفت: به نظر می رسد که این شکایت اولین در نوع خود باشد.

او گفت: «این لباس به مردم - به‌ویژه شرکت‌های فناوری - نشان می‌دهد که حقوقی در صدای شما وجود دارد، که یک گروه کامل از مردم آنجا هستند که با استفاده از صدای خود امرار معاش می‌کنند.»

در سال 2019، آقای Lehrman و خانم Sage خود را به عنوان صداپیشه در Fiverr تبلیغ می کردند، وب سایتی که در آن متخصصان آزاد می توانند کار خود را تبلیغ کنند. از طریق این بازار آنلاین، اغلب از آنها خواسته می شد که کار صوتی برای تبلیغات، تبلیغات رادیویی، ویدیوهای آنلاین، بازی های ویدیویی و سایر رسانه ها ارائه دهند.

در آن سال، فردی ناشناس با خانم سیج تماس گرفت و او 400 دلار برای ضبط چندین فیلمنامه رادیویی به او پرداخت کرد و به او توضیح داد که طبق مکاتباتی که در دادخواست ذکر شده است، از ضبط‌ها برای مقاصد عمومی استفاده نمی‌شود.

بر اساس این پرونده، این فرد ناشناس گفت: "اینها اسکریپت های آزمایشی برای تبلیغات رادیویی هستند." آنها به صورت خارجی افشا نخواهند شد و فقط در داخل مصرف خواهند شد، بنابراین نیازی به هیچ نوع حقوقی ندارند.

هفت ماه بعد، شخص ناشناس دیگری در مورد کارهای مشابه با آقای Lehrman تماس گرفت. آقای لهرمن که به عنوان بازیگر تلویزیون و سینما نیز فعالیت می کند، از نحوه استفاده از این کلیپ ها پرسید. بر اساس مکاتبات ذکر شده در دادخواست، این شخص چندین بار گفت که از آنها فقط برای اهداف تحقیقاتی و دانشگاهی استفاده می شود. 1200 دلار به آقای لهرمن پرداخت شد. (او ضبط های طولانی تری نسبت به خانم سیج ارائه کرد.)

در آوریل 2022، آقای Lehrman ویدیویی در یوتیوب در مورد جنگ در اوکراین کشف کرد که با صدایی شبیه صدای او روایت می شد.

او گفت: «صدای من درباره تسلیحات در درگیری اوکراین و روسیه صحبت می‌کند. "من به رنگ سفید روح می روم - برجستگی غاز روی بازوهایم. می دانستم که هرگز آن کلمات را به این ترتیب نگفته بودم.»

او و خانم سیج ماه‌ها تلاش کردند تا بفهمند چه اتفاقی افتاده است. آنها یک وکیل استخدام کردند تا به آنها کمک کند تا ببینند چه کسی ویدیوی یوتیوب را ساخته است و صدای آقای Lehrman چگونه بازسازی شده است. اما به نظر می رسید که صاحب کانال یوتیوب در اندونزی مستقر است و آنها هیچ راهی برای یافتن فرد نداشتند.

سپس پادکست را در راه رفتن به مطب دکتر شنیدند. از طریق پادکست، "Deadline Strike Talk"، آنها توانستند منبع شبیه سازی صدای آقای Lehrman را شناسایی کنند. یک استاد موسسه فناوری ماساچوست، ربات چت را با استفاده از فناوری سنتز صدای Lovo کنار هم قرار داده بود.

خانم سیج همچنین ویدیویی آنلاین پیدا کرد که در آن شرکت فناوری صدای خود را در طی رویدادی در برکلی در اوایل سال 2020 به سرمایه گذاران ارائه کرده بود. در این ویدئو، یکی از مدیران Lovo نسخه مصنوعی صدای خانم سیج را به نمایش گذاشت و آن را با صدایی مقایسه کرد. ضبط صدای واقعی او هر دو در کنار عکس زنی بازی کردند که او نبود.

خانم سیج گفت: "من برای جمع آوری پول در ویدیوی پخش آنها حضور داشتم." این شرکت از آن زمان تاکنون بیش از 7 میلیون دلار جمع آوری کرده است و ادعا می کند بیش از دو میلیون مشتری در سراسر جهان دارد.

آقای Lehrman و خانم Sage همچنین متوجه شدند که Lovo در حال تبلیغ شبیه سازی های صوتی او و آقای Lehrman در وب سایت خود است. پس از ارسال نامه توقف و توقف به شرکت، شرکت گفت که کلون های صوتی آنها را از سایت حذف کرده است. اما آقای لهرمن و خانم سیج استدلال کردند که نرم‌افزاری که این کلون‌های صوتی را هدایت می‌کرد، قبلاً توسط تعداد نامحدودی از مشتریان شرکت دانلود شده بود و هنوز می‌توان از آن استفاده کرد.

آقای Lehrman همچنین این سوال را مطرح کرد که آیا این شرکت از صدای این زوج در کنار بسیاری دیگر برای ساخت فناوری اصلی که سیستم شبیه سازی صدا را به حرکت در می آورد، استفاده کرده است یا خیر. سینتی‌سایزرهای صدا اغلب مهارت‌های خود را با تجزیه و تحلیل هزاران ساعت از کلمات گفتاری می‌آموزند، دقیقاً همان‌طور که ChatGPT OpenAI و سایر چت‌بات‌ها مهارت‌های خود را با تجزیه و تحلیل حجم وسیعی از متن‌های جمع‌آوری‌شده از اینترنت می‌آموزند.

لوو اذعان کرد که بر اساس مکاتبات موجود در کت و شلوار، فناوری خود را با استفاده از هزاران ساعت ضبط هزاران صدا آموزش داده است.

آقای کیس، وکیل مدافع Lovo، گفت که این شرکت A.I خود را آموزش داده است. سیستم با استفاده از صدا از پایگاه داده‌های ضبط‌شده انگلیسی به‌نام Openslr.org که به‌طور رایگان در دسترس است. او در پاسخ به این سوال که آیا از صدای ضبط شده آقای لرمن و خانم سیج برای آموزش این فناوری استفاده شده است، پاسخی نداد.

آقای Lehrman گفت: "ما امیدواریم که بتوانیم کنترل صداهایمان، شخصیتی که هستیم و شغلمان را پس بگیریم." ما می خواهیم نماینده دیگران باشیم که این اتفاق برای آنها افتاده است و اگر چیزی تغییر نکند این اتفاق برای آنها خواهد افتاد.

منبع : New York Times

🔹این مقاله به صورت ماشینی، توسط Aiticle ترجمه شده و ممکنه ایراداتی داشته باشه، فیدبک‌های شما به ما در جهت بهبود سیستممون خیلی کمک میکنه :) لطفا نظراتتون رو باهامون به اشتراک بگذارین.