Yazılım devi Microsoft, bu sefer kendi yapay zekâ sistemi VALL-E ile gündemde yer alıyor. Bu sistem ses taklit etme konusunda dikkat çekiyor.
Microsoft, elbette diğer firmalar gibi yapay zekâ odaklı çalışmalar yapıyor ve bu çalışmaların gündeme gelen son meyvesi VALL-E sistemi oluyor. Bu sistem metin üzerinden otomatik seslendirme yapılmasına odaklanıyor ve kişilerin sesini sadece 3 saniyelik kayıtlardan analiz ederek uzun seslendirmelerde kullanılabilir hale getirebiliyor. İlk açıklamalara göre sadece 3 saniyelik veri kullanıyor olmasına rağmen robotik değil doğal bir otomatik seslendirme sunabilen sistem, Meta’nın ekim ayında duyurduğu “EnCodec” adlı kodek teknolojisini temel alıyor. Yapay zekâ destekli ses sıkıştırma yöntemi EnCodec, sesi kalite kaybı olmadan ciddi şekilde sıkıştırabiliyor.
VALL-E’yi geliştirme sürecinde Meta’nın verilerinden (Tam 60 bin saatlik konuşma) de yararlanan Microsoft, bu altyapıda özet olarak bir kişinin sesinin konuşma sırasında nasıl çıktığını analiz ediyor, bu bilgiyi kullanılabilir hale getirmek adına ayrı bileşenlere bölüyor ve üç saniyelik örnek dışındaki konuşmanın / sesin nasıl çıkacağını oluşturmak adına beslenen verileri kullanıyor. Kişilerin tonlamalarını ve bulunan ortamdaki akustiği dahi girilen veriden alarak taklit edebildiği aktarılan VALL-E sistemi, henüz geliştirme aşamasında ve gelecek için büyük potansiyeller ortaya koyuyor.
İLGİNİZİ ÇEKEBİLİR
Microsoft bu aralar OpenAI ve ChatGPT adımlarıyla da gündemden düşmüyor. Tüm detaylarına buradan ulaşabileceğiniz üzere firma OpenAI şirketine 10 milyar dolarlık yatırım yapmaya hazırlanıyor. Buna ek olarak Microsoft’un yapay zekanın bazı özelliklerini Google varken hiç kullanılmayan Bing arama motoru içerisine entegre etmek istediği de biliniyor. Şirket hepsine ek olarak GPT’yi Word, Outlook ve PowerPoint içerisine entegre etmek için de aktif olarak çalışmalar içerisinde bulunuyor.
