متا با رونمایی از وارد رقابت تولید پادکست با هوش مصنوعی میشود

متا با رونمایی از وارد رقابت تولید پادکست با هوش مصنوعی میشود, ابزار هوش مصنوعی متعلق به گوگل در ماههای اخیر توجه بسیاری از کاربران را به خود جلب کرده است. این سرویس امکان تبدیل فایلهای متنی به پادکستهای صوتی را فراهم میکند. اکنون متا با انتشار، یک جایگزین متنباز را معرفی کرده که عملکردی مشابه دارد. بر اساس گزارش تککرانچ، فرآیند کار در چند مرحله انجام میشود.

ابتدا سیستم یک رونوشت از محتوای ورودی (مانند یک مقاله خبری) تهیه میکند. در مرحله بعد، این متن برای شبیهسازی به گفتگوی طبیعی دراماتیکسازی شده و وقفههای مناسب در آن قرار میگیرد. در نهایت، متن پردازش شده به مدلهای تبدیل متن به گفتار (TTS) ارسال میشود تا فایل صوتی نهایی تولید گردد.

نمودار زیر این مراحل را به صورت بصری نشان میدهد رقابت متا با گوگل در حوزه پادکستسازی هوشمند اگرچه هدف نهایی همانند رقیب گوگل است، اما کیفیت خروجی فعلی آن در سطح نیست. در نمونههای منتشر شده، صداها لحنی رباتیک دارند و در برخی بخشها درک جملات دشوار است. محققان متا معتقدند که با استفاده از مدلهای قدرتمندتر، کیفیت پادکستهای تولیدی به طور قابل توجهی ارتقا یابد. این پروژه بر پایه مدلهای توسعه یافته است.

متا در صفحه گیتهاب اشاره کرده است که یکی از رویکردهای پیشنهادی برای بهبود خروجی، استفاده از دو مدل مجزا برای نگارش دیالوگ پادکست است تا بحثی دوطرفه و طبیعیتر شکل گیرد. با این حال، در نسخه فعلی تنها از یک مدل واحد برای نگارش کل سناریو بهره گرفته شده است. به طور کلی، اولین پروژه تقلیدکننده نیست.

پیش از این پروژههای دیگری نیز تلاش کردهاند، اما هیچکدام – حتی خود محصول گوگل – نتوانستهاند چالش توهم هوش مصنوعی را به طور کامل برطرف کنند. این بدان معناست که پادکستهای تولید شده گاهی حاوی اطلاعات نادرست یا ساختگی هستند.