Revolucija u zvučnim umjetnicima: Nova AI glasovna tehnologija “Dia”
U svijetu umjetne inteligencije, glasovi AI obično nastoje zvučati realistično i prijateljski, oponašajući opuštene, sretne i korisne ljude. No, novi open-source model pod imenom Dia zakoračuje u emocionalniji spektar glasova, uključujući čak i intenzivno vikanje. Kreatori Dia iz Nari Labs, malog ali inovativnog tima, omogućili su AI glasovima da zvuče poput pomalo melodramatičnih izvođača, sposobnih za realističan smijeh, kašljanje, čišćenje grla, šmrcanje, pa i vikanje.
Izazov izazivanja emocija kroz umjetnički izraz
Mnogi se možda pitaju kakvu važnost ima vikanje za AI, no važno je razumjeti da je vikanje teško oponašati. To nije samo glasno govorenje; to je potpuno drugačiji način govora. Emocionalno izražajno obraćanje značajno je područje koje većina AI glasova ne dotiče. Dok je lako da glasovni model pročita priču za laku noć, daleko je izazovnije da zvuči umirujuće dok pokušava smiriti prijatelja ili izražava šok zbog nečega iznenađujućeg.
- Dia posvećuje pažnju neverbalnoj komunikaciji kao dijelu performansa.
- Razumije da “(kašlje)” nije nešto što treba ignorirati ili doslovno pročitati.
- Scream nije samo glasnija rečenica, već zahtijeva precizno upravljanje vremenom, intonacijom i kontrolom daha.
Postignuća u AI glasovnim modelima
Jedan od korisnika je čak iskoristio Dia za rekreaciju poznate skečeve “Leroy Jenkins” iz igre World of Warcraft. To ne znači da OpenAI, ElevenLabs, Google, Sesame i drugi nisu stvorili nevjerojatne AI glasovne modele. OpenAI-ov napredni glasovni način omogućuje prilagodbu izražavanja kroz emocije, dok ElevenLabs dobro interpretira velika slova i interpunkciju. Međutim, to nije isto kao povikivanje iznenađenja ili vikanje od smijeha.
Važnost emocionalne inteligencije u AI
Mnogi možda misle da se ova priča ne odnosi samo na “AI glas koji uči party trik”, već označava širu utrku u AI-u za emocionalnu inteligenciju. Ulazimo u eru gdje neće biti dovoljno da vaš asistent kaže pravu stvar; trebate da je kaže na pravi način. Zamislite chat botove za korisničku podršku koji zvuče stvarno ispričano, učitelje koji zvuče ohrabrujuće umjesto instrukcijski, te likove u igrama koji prenose iskrenost.
Međutim, omogućavanje AI-u da uvjerljivo izražava emocije čini ga uvjerljivijim, a time može postati i više manipulativan. Ako emocionalni govor može postati samo još jedan alat AI-a, mnogi bi se ljudi mogli osjećati kao da žele povikati neki put.
Završna misao
Zamislite zabavu u pisanju priče o duhovima za Dia, ne samo da ju pročita, već da ju i izvede s vikanjem i svim ostalim. Ova tehnologija otvara vrata novim mogućnostima u stvaranju emocionalno izražajnog zvučnog sadržaja, stvarajući još više realistične i ljudske interakcije između korisnika i umjetne inteligencije.
