3. VALL-E 2 – El modelo de clonación de voz que asombra (y preocupa)
Tipo: Modelo de clonación de voz de alta fidelidad desarrollado por Microsoft.
¿Qué es y cómo funciona?
VALL-E 2 es capaz de clonar una voz con solo 3 segundos de audio de muestra. Puede replicar el tono, acento, timbre e incluso emociones con una precisión casi indistinguible de la voz real.
Fue diseñado como un modelo de lenguaje acústico (ALM) que convierte texto en audio mediante un proceso de difusión, similar a Voicebox.
Advertencia ética: Microsoft no lo ha lanzado al público debido a riesgos de suplantación de identidad, deepfakes y fraudes.
Costo: No disponible comercialmente. Restringido a investigación interna.
¿Cómo usarlo?
No está disponible para uso público. Solo se puede estudiar a través del paper y posibles implementaciones no oficiales (no recomendadas por riesgos éticos).
¿Para quién es ideal?
- Investigadores en clonación de voz.
- Ética en IA (como caso de estudio).
- Empresas de seguridad que desarrollan detectores de deepfakes.
0 Comentarios