¿CLONACIÓN DE VOZ?
Un ordenador podría imitar cualquier voz siempre y cuando se le proporcione la información necesaria. El sistema de clonación de voz para que fuera capaz de obtener información desde dos fuentes: el texto que deseamos transformar a voz y una simple muestra de la voz que queremos escuchar.
Como ejemplo un escenario específico: “Imagina que deseamos que Batman diga la frase ‘Me gusta la pizza’; debemos retroalimentar al sistema con dicha frase en texto y un pequeño fragmento de la voz de Batman. Esta información debería ser suficiente para obtener el resultado deseado.”
Después de entender esta premisa, podemos dividir el proceso de clonación de voz en tres etapas distintas:
- Codificar la forma de onda de la voz en una representación vectorial de dimensión fija
- Codificar el texto deseado en una representación vectorial, combinar los dos vectores y decodificarlos en un espectrograma
- Utilizar un codificador de voz para transformar el espectrograma en una forma de onda de audio
Estos sistemas se han convertido en uno de los más importantes avances del deep learning, por lo que los expertos en ciberseguridad no se muestran sorprendidos ante la posibilidad de clonar completamente la voz de una persona a partir de una simple llamada telefónica, nota de voz en WhatsApp o cualquier otro medio para registrar una voz.
Por si fuera poco, existen varias soluciones de código abierto para concretar un proyecto de estas características. A continuación, < cómo llevar a cabo este proceso:
*** Hidden text: cannot be quoted. ***
