মেটা কৃত্রিম বুদ্ধিমত্তাকে আরও এক ধাপ এগিয়ে নিয়ে গেছে এবং কয়েক সেকেন্ডের মধ্যে আপনার নিজের কণ্ঠস্বর ক্লোন করার জন্য একটি প্রোগ্রাম তৈরি করেছে । এই অবিশ্বাস্য কাজটি করার জন্য মেটার তৈরি করা টুলটি হলো অডিওবক্স, কারণ এর ফলাফল বেশ বাস্তবসম্মত। আমরা মেটার কণ্ঠস্বর ক্লোন করার এআই, অডিওবক্সের কিছু দিক বিস্তারিতভাবে আলোচনা করব। এটি কীভাবে কাজ করে? আমরা এর কিছু খুঁটিনাটি বিশ্লেষণ করব।
এর নির্মাতাদের মতে, এই প্রোগ্রামটি বেশ কয়েক বছরের গবেষণা এবং বহু ঘণ্টার পরিশ্রমের ফল । এটি এখন স্পেনে পাওয়া যাচ্ছে এবং এতে ভয়েস জেনারেশন, এডিটিং, স্টাইলাইজেশন ও স্যাম্পলিংয়ের সুবিধা রয়েছে। ভয়েস অ্যাক্টরদের কণ্ঠস্বর ব্যবহারকে ঘিরে বিতর্কগুলোর কারণে এর ডিজাইন কিছুটা ভীতিপ্রদ মনে হতে পারে।
কিভাবে অডিওবক্স ভয়েস ক্লোন করতে কাজ করে?
এর ব্যবহার আসলে দেখতে যতটা কঠিন মনে হয়, তার চেয়ে অনেক বেশি সহজ। মেটার নিজস্ব ওয়েবসাইটে একটি টিউটোরিয়াল বা ব্যাখ্যা রয়েছে, যা আপনাকে তাদের টুলটি ব্যবহার শুরু করার জন্য প্রয়োজনীয় সবকিছু দেখিয়ে দেবে ।
এই টিউটোরিয়ালটিতে একেবারে শুরু থেকে কীভাবে ভয়েস তৈরি করতে হয় তা ব্যাখ্যা করা হয়েছে। আপনি নিজের বা অন্য কারো ভয়েস রেকর্ড করে এটি করতে পারেন, যখন তারা স্ক্রিনে থাকা টেক্সট পড়ছেন। এতে প্রোগ্রামটিতে অন্তর্ভুক্ত অন্যান্য ভয়েস ব্যবহার করার বিকল্পও রয়েছে।
যদিও এই প্রোগ্রামটি অবিশ্বাস্য মনে হতে পারে, এটি আসলে ডাবিংয়ের জন্য খুব একটা উপযুক্ত নয় , কারণ অভিনেতারা অন্য ভাষায় কথা বললেও তাদের কথার সাথে সংলাপ মেলানো যায় না। এছাড়াও, এতে আবেগ প্রকাশকারী অভিব্যক্তি বা স্বাভাবিক স্বরভঙ্গিও ব্যবহার করা যায় না।
আরও একটি তথ্যও দেওয়া হয়েছে, কারণ ফলাফলগুলো বিস্ময়কর, যদিও কণ্ঠস্বরগুলোতে এখনও একটি রোবোটিক ভাব রয়েছে। এগুলোর উদ্দেশ্য নিখুঁত এবং এগুলো আমাদের কাঙ্ক্ষিত লক্ষ্যের কাছাকাছি চলে আসছে, কিন্তু আমরা কোনো উদ্বেগ প্রকাশ করতে পারি না, কারণ এখনও পর্যন্ত অন্য কোনো ব্যক্তির কণ্ঠস্বর ব্যবহার করে তার ছদ্মবেশ ধারণ করা সম্ভব নয়।
কিছু ফাংশন যা অডিওবক্স আমাদের প্রদান করে
Audiobox-এর যেসব সুবিধা রয়েছে, তার মধ্যে কয়েকটি আমাদের আগ্রহ জাগাতে পারে:
- আপনি সমুদ্রের মত শব্দ তৈরি করতে পারেন, নদীর জল, পাখির গান, ঝড়... এই প্যারামিটারগুলির প্রতিনিধিত্ব করার জন্য কৃত্রিম বুদ্ধিমত্তার কাছে জিজ্ঞাসা করাই যথেষ্ট।
- অন্যান্য মিডিয়া বা টোনে নির্দিষ্ট অডিও মিশ্রিত করুন। উদাহরণস্বরূপ, AI কে একটি প্রতিধ্বনি সহ একটি ভয়েস উপস্থাপন করতে বলা যেতে পারে।
- আপনি একটি ভয়েস মন্থর করতে পারেন, এটি দ্রুত করুন, অথবা এটি খুব জোরে শব্দ করুন।
কিভাবে আমরা এটা ব্যবহার করতে পারেন?
এই প্রোগ্রামটির একটি ফ্রি ট্রায়াল পাওয়া যায় । আপনি নিজের কণ্ঠ ব্যবহার করে একটি রেকর্ডিং তৈরি করতে পারেন, অথবা আপনার পছন্দের অন্য কোনো কণ্ঠও ব্যবহার করতে পারেন। এরপর, তৈরি হওয়া ভয়েসটি ডাউনলোড করে আপনার প্রয়োজনমতো যেকোনো জায়গায় প্রয়োগ করুন।
- এটি আমাদের দেয় অন্যান্য ধারণাগুলির মধ্যে, একটি ছোট অডিও নমুনা থেকে একটি ভয়েস তৈরি করা।
- একটি ব্যক্তিগতকৃত স্বর এবং শৈলী সহ একটি ভয়েস তৈরি করুন, যদিও এটি খুব স্বাভাবিকভাবে করবে না।
- আমরা একটি একক পুনরায় ডিজাইন করতে ভয়েস মিশ্রিত করতে পারি।
- উপরে বর্ণিত কিছু নির্দিষ্ট এবং খুব প্রতিনিধিত্বমূলক শব্দ প্রভাব তৈরি করুন।
- নতুন শব্দ দিয়ে অডিও অংশ প্রতিস্থাপন.
- এমনকি আপনি একটি অডিও ট্র্যাক থেকে শব্দ মুছে ফেলতে পারেন।
মেটা তার অডিওবক্স প্রোগ্রামের অপব্যবহারের বিষয়ে সতর্ক করে
কোম্পানিটি সীমিত ব্যবহারের জন্য প্রোগ্রাম সরবরাহ করছে। তবে, গবেষণার উদ্দেশ্যে এগুলোর ব্যবহারের ক্ষেত্রে সম্পূর্ণ স্বচ্ছতা বজায় রাখা হচ্ছে। স্পেনে এটি ব্যবহার করা যায়, কিন্তু প্রোগ্রামটির অনেক অংশ ইংরেজিতে লেখা। মার্কিন যুক্তরাষ্ট্রে এই প্রোগ্রামটি মার্কিন আইন অনুযায়ী বৈধ নয়, তাই এটি ব্যবহারযোগ্য নয়। তবে, এটি কোনো সমস্যা হবে না, কারণ এটিকে ধীরে ধীরে ওপেন সোর্স হিসেবে উপলব্ধ করা হবে।
আমাদের দেশে এটি ব্যবহার করা যেতে পারে, কিন্তু অডিওবক্স সতর্ক করে যে এটি কোনো বিদ্বেষপূর্ণ উদ্দেশ্যে ব্যবহার করা যাবে না। সমস্ত অডিও ফাইলে ওয়াটারমার্ক থাকে, যাতে এই ডেটা ব্যবহার করে সেগুলোর উৎস শনাক্ত করা যায়। অনেকের কাছে এই স্বতন্ত্র চিহ্ন বা সংকেতটি কানে শোনা যায় না, কিন্তু এর ডেভেলপারদের জন্য এটি তাদের শনাক্ত করার একটি সহজ উপায়। এই এআই- নির্মিত অডিও অংশগুলো খুঁজে বের করার জন্য তাদের কাছে প্রয়োজনীয় সরঞ্জাম রয়েছে ।
এই প্রোগ্রাম দ্বারা তৈরি ওয়াটারমার্কটি পডকাস্ট বা অডিও-নির্ভর অন্যান্য পরিষেবা তৈরিতে বাধা দেয় না , কারণ এটি কার্যত শোনা যায় না। তবে, এটি একটি নিরাপত্তা ব্যবস্থা যা যেকোনো অপরাধীকে দ্রুত শনাক্ত করার জন্য তৈরি করা হয়েছে ।
অতএব, ওয়াটারমার্ক অডিওতে কোন সমস্যা নয়, তাই এটি পডকাস্ট বা অন্যান্য শোনার পরিষেবাগুলিতে ব্যবহার করা যেতে পারে। তবে হামলার ঘটনা ঘটলে দ্রুত অপরাধীকে শনাক্ত করা যায়।
এই প্রোগ্রামটি তৈরির উদ্দেশ্য হলো, যাদের এটি প্রয়োজন তাদের জন্য এটিকে অংশগ্রহণমূলক করে তোলা। এটি সহজ ও স্বাভাবিকভাবে একটি কণ্ঠস্বর নকল করার চেষ্টা করে, কিন্তু এটি সংশ্লিষ্ট ব্যক্তির ইচ্ছার বিরুদ্ধে তৈরি করার উদ্দেশ্যে তৈরি নয়। যেমনটা আপনি দেখতে পাচ্ছেন, বার্তাটির স্বরভঙ্গিতে উত্থান-পতন ঘটে, যা স্বাভাবিক শোনানোর জন্য কখনও কখনও দ্রুত এবং অনিয়মিত হয় , আর একারণেই আগে থেকে রেকর্ড করা অডিও ব্যবহার করে অন্য ব্যক্তির কণ্ঠস্বর যোগ করা কঠিন।