Clonar voces con Inteligencia Artificial tiene muchas posibilidades, como la creación de contenidos multimedia, la accesibilidad, la educación o el entretenimiento
¿Te has preguntado alguna vez cómo sería poder clonar cualquier voz con tan solo 3 segundos de audio? Pues ahora es posible gracias a la Inteligencia Artificial de dos proyectos que te vamos a presentar: VALL-E y Nuance.
¿Qué es VALL-E?
VALL-E es una herramienta desarrollada por Microsoft que puede imitar la voz de una persona, incluyendo su emoción y entonación, después de solo tres segundos de entrenamiento. Esta tecnología se basa en EnCodec, el códec de audio de Meta, que analiza la voz de una persona e interpreta cómo sonaría esa voz con diferentes frases.
VALL-E se entrenó utilizando la biblioteca de audio LibriLight de Meta, que incluye 60.000 horas de habla en inglés de más de 7.000 hablantes. Por el momento, VALL-E no está disponible para el público, pero puedes escuchar algunos ejemplos en GitHub.
¿Qué es Nuance?
Nuance es una empresa que fue comprada por Microsoft por 20 millones de dólares en 2022, y que se dedica a la síntesis de voz y al reconocimiento del habla. Nuance ofrece una plataforma llamada ElevenLabs que te permite clonar tu voz o la de cualquier otra persona con solo un minuto de audio.
Puedes probar esta plataforma registrándote en la versión premium de pago (5 dólares al mes) que ofrece un primer mes gratuito. Con ElevenLabs puedes generar clips de audio con voces clonadas o imitadas, editar y modificar una grabación de una persona a partir de una transcripción de texto y crear contenido de audio personalizado.
Clonar voces con Inteligencia Artificial tiene muchas posibilidades, como la creación de contenidos multimedia, la accesibilidad, la educación o el entretenimiento. Sin embargo, también implica algunos riesgos éticos y legales, como el uso indebido para engañar, manipular o difamar a otras personas. Por eso, es importante usar estas herramientas con responsabilidad y respeto, y siempre citar las fuentes originales cuando se utilicen voces clonadas o imitadas.