ROBÔS: Entenda como as IAs conseguem clonar a sua voz e saiba como identificar

Recentemente, uma influenciadora americana viralizou no Tik Tok após divulgar um vídeo onde usou a Inteligência Artificial (IA) para clonar a voz de seu namorado e descobrir uma traição. Esse episódio é só mais um diante de uma realidade cada vez mais abrangente. As IAs estão ficando cada vez mais populares e acessíveis para todos.

As IAs são capazes de emular vozes de seres humano, o que é bem diferente das falas robóticas de assistentes virtuais, como a Alexa, por exemplo. A nova tecnologia consegue reproduzir padrões de fala reais, dando entonação e colocando emoção no discurso.

 Entenda como essa tecnologia funciona:

Assim como os já populares chatbots, como o Bard e o ChatGPT, as inteligências artificiais que clonam a voz usam técnicas de aprendizagem profunda (do inglês Deep Learning) para estudar o padrão de fala humana e conseguir replicá-los. É uma enorme evolução das vozes sintéticas já conhecidas, como das assistentes virtuais do Google ou da Apple, que também conseguem transformar textos em fala, mas têm vozes são robóticas e sem qualquer entonação ou emoção.

A nova tecnologia combina as estratégias de aprendizado de máquina (do inglês Machine Learning) com uma rede neural artificial, método usado para treinar os computadores a processarem os dados da forma como o cérebro humano faria. Aliado a isso, os robôs ainda são alimentados com uma imensa quantidade de dados, como diferentes tipos de padrões de fala, características vocais, idiomas e sotaques distintos. Todas essas informações são processadas para criar um sistema chamado “síntese de fala”. Assim, essas IAs conseguem simular, de forma bastante realista, a fala humana, dando entonação ao texto e copiando emoções.

Alguns programas do gênero ainda permitem “clonar” a voz de qualquer ser humano de forma simples, bastando fazer o upload de um áudio curto para que o robô reproduza qualquer texto com a voz da pessoa. A Vall-E, inteligência artificial da Microsoft, por exemplo, consegue imitar a fala de alguém a partir de um áudio de apenas três segundos. A ferramenta foi alimentada com mais de 60 mil horas de fala humana e tem a capacidade de transformar texto em fala, simulando os padrões de fala e preservando os sons ambientes do áudio original. Apesar de serem baseados em amostras muito curtas, os resultados são bastante convincentes.

A LOVO é outra plataforma capaz de transformar texto em fala que entrega um resultado natural, sem parecer ter sido gerado por uma máquina. Essa inteligência artificial promete dar ao texto uma carga emocional, além de permitir que o usuário faça edições no áudio, mudando a velocidade, os tempos de pausa e destacando os pontos de ênfase da fala. Apesar de ter mais de 200 vozes semelhantes a de humanos em seu banco de dados, a LOVO também permite que o usuário crie conteúdos mais personalizados clonando a própria voz. No entanto, ao contrário da Vall-E, a LOVO precisa que o usuário leia um roteiro específico por 15 minutos para conseguir fazer a “clonagem”.

Quais são os possíveis usos das IAs que clonam voz?

Com a popularização das inteligências artificiais de síntese de voz, é inevitável pensar nas inúmeras possibilidades que esses recursos podem trazer para o dia a dia. A primeira diz respeito à acessibilidade: pessoas que perderam a capacidade de fala poderão utilizar a IA para se comunicar, transformando um texto escrito em sua própria voz. Da mesma forma, quem tem deficiência visual poderá usar essa ferramenta para ouvir textos ditados por vozes personalizadas e naturais.

Essa tecnologia também poderá ser usada para “conversar” com parentes que já morreram. Com uma pequena amostra da fala da pessoa, é viável reproduzir diálogos a partir de textos e, assim, eternizar essa parte do ente querido. De forma semelhante, também será possível “reviver” artistas. Na Internet já existem alguns exemplos da inteligência artificial sendo utilizada para “ressuscitar” artistas.