Czy kiedykolwiek chciałeś mieć Lwa Tołstoja Anna Karenina lub Franza Kafki Metamorfoza odczytane przez boga pułapek Gucci Mane, twórcę takich hitów jak „Lemonade” i „Wasted”? Cóż, a) to bardzo specyficzne pragnienie, b) to twój szczęśliwy dzień.
Projekt Gucciberg to najnowsza kropla z fabryki wirusów MSCHF i właśnie to robi. Korzystając z uczenia maszynowego, MSCHF stworzył głębokie fałszywe audio Gucci Mane czytającego wybrane klasyczne teksty z Małe kobiety do Beowulf. Wszystkich mogą słuchać i mają okładki książek, które idealnie komponują się z grafiką bogatej dyskografii Gucci Mane.
Plik co Projektu Gucciberg jest niesamowicie proste, ale plik dlaczego trudniej odpowiedzieć. Jeśli nie znasz MSCHF, polecam nasz profil stroju z ostatniego roku. Zasadniczo jest to grupa twórców finansowanych przez VC, którzy tworzą dziwne rzeczy zaprojektowane tak, aby stały się wirusowe w Internecie, takie jak skrzypiące bonga z kurczakiem i tenisówki Air Max 97 wypełnione wodą z rzeki Jordan, z których niektóre są sprzedawane za symboliczną opłatą. Wtedy oni ??? i zysk (prawdopodobnie sprzedając swoje usługi firmom, które chcą one stworzone, aby stać się wirusowym online).
Mówiąc do The Verge, Dan Greenberg z MSCHF nie podał motywacji stojącej za Projektem Gucciberg, ale był bardziej niż szczęśliwy, mogąc opowiedzieć o mechanice. Głębokie podróbki audio są teraz dość powszechne (posłuchaj tego klona Joe Rogana dla pliku dobry przykład) do punktu, w którym byli wykorzystywane do popełniania oszustw. Aby to zrobić, potrzebujesz tylko wielu przykładowych danych dotyczących mówienia celu i odpowiednich sieci neuronowych, aby nauczyć się i skopiować ich maniery.
Greenberg mówi, że MSCHF zebrało około sześciu godzin nagrań Gucci Mane’a z podcastów, wywiadów i tym podobnych. Następnie stworzyli transkrypcje klipów, aby pomóc w procesie zamiany tekstu na mowę (TTS). Wymagało to stworzenia „klucza / słownika wymowy Gucci, aby lepiej uchwycić specyfikę konkretnego arkusza Gucci Mane”.
„Wymowa Gucciego ma bardzo specyficzną kadencję – używa na przykład znacznie większej różnorodności dźwięków samogłosek niż przeciętny czytelnik syntezatora mowy” – mówi Greenberg. „Słownik dzieli wyrazy na fonemy (dyskretne gesty głosowe), które nasz model wykorzystuje jako elementy składowe … Tak więc, aby uzyskać prosty przykład, potrzebujemy naszego modelu, aby wiedzieć, jakie sylaby należy usunąć lub które przenikają się wzajemnie w wyrazach: musi wiedzieć, żeby powiedzieć „walka”, a nie „mówić o”, a słownik Gucciego {T AH1 LMB AW1 T} prowadzi nas tam, gdzie słowa „mówienie o” nie wystarczają ”.
Rezultaty są imponujące: deepfake z pewnością brzmi jak sam człowiek, chociaż wyniki nie zawsze są całkowicie spójne lub najwyższej jakości. „Nasz fałszywy Gucci Mane często brzmi tak, jakby mówił przez kiepski mikrofon lub niskiej jakości strumień internetowy, a częściowo wynika to z tego, że w danych treningowych często dokładnie to robi” – mówi Greenberg.
Dokładnie to, dlaczego Gucci został wybrany do tego projektu, sprowadzało się do dwóch czynników, mówi Greenberg: po pierwsze, raper ma charakterystyczny głos, a po drugie, gra słów z Projektu Gucciberg była zbyt smaczne zignorować.
Greenberg dodaje, że MSCHF nie zwrócił się do Gucciego z prośbą o pozwolenie na użycie jego głosu. Jak chytrze podkreśla zastrzeżenie na stronie, cały projekt rodzi interesujące pytania dotyczące praw autorskich w dobie podróbek sztucznej inteligencji. „Nie napisaliśmy książek i głęboko sfałszowaliśmy głos” – mówi. „Czy to naruszenie praw autorskich? Czy to kradzież tożsamości? Wszystkie dane szkoleniowe (nagrania) użyte do stworzenia Projektu Gucciberg były publicznie dostępne w Internecie. Gucciberg mieszka w tej uroczej szarej okolicy, gdzie wszystko jest nowe i wszystko idzie ”. To z pewnością jest! The Verge próbował skontaktować się z Gucci Mane za pośrednictwem swojej wytwórni w celu uzyskania odpowiedzi i zaktualizujemy tę historię, jeśli otrzymamy odpowiedź.
Czy Project Gucciberg jest czymś więcej niż szybkim kliknięciem i lolem? No nie bardzo. Ale to jest biznes MSCHF i są w tym bardzo dobrzy. Podczas gdy słuchanie więcej niż kilku minut wynikowego dźwięku jest trochę dezorientujące, Greenberg sugeruje, że nadchodzący świat fałszywych audiobooków na żądanie z celebrytami może przynieść wyjątkowe korzyści.
„Od czasu do czasu … ekstremalna swoboda narracji Gucci Mane’a naprawdę stawia tekst w nowym świetle”, mówi, mówiąc o korzyściach płynących z posłuchania deepfake wersji Kafki Metamorfoza. „Gregor Samsa naprawdę wydaje się być kolejnym facetem, który nie chce wstawać z łóżka, wiesz?”