વાંચવાનો સમય 4 મિનિટ
અવાજ ક્લોનિંગ: કમ્પ્યુટર તમારા અસલ અવાજનો લહેકો અને સૂર કેવી રીતે શીખે છે?
30 સેકન્ડમાં સાર
અવાજ ક્લોનિંગ એ કમ્પ્યુટરની એવી તાલીમબદ્ધ ક્ષમતા છે જે કોઈ માનવીય અવાજનો થોડોક અંશ સાંભળીને તેની ડિજિટલ પ્રતિકૃતિ તૈયાર કરે છે. માણસ કેવી રીતે શ્વાસ લે છે, કયા અક્ષર પર ભાર મૂકે છે અને બોલવાની ઝડપ કેટલી છે તે તમામ બાબતોનું વિશ્લેષણ કરીને સોફ્ટવેર એવો અવાજ પેદા કરે છે જે સાંભળનારને સો ટકા મૂળ વ્યક્તિનો જ લાગે છે.
અવાજની ડિજિટલ નકલ અને કમ્પ્યુટરની બોલવાની રીત
એક શાંત સાંજે તમારા મોબાઇલ પર અજાણ્યા નંબર પરથી ફોન આવે છે. તમે ફોન ઉપાડો છો અને સામેથી તમારા દીકરા કે ખાસ મિત્રનો અવાજ સંભળાય છે. તેનો અવાજ, તેની બોલવાની લઢણ, શબ્દો વચ્ચેનો વિરામ બધું જ એટલું પરિચિત લાગે છે કે તમને સહેજ પણ શંકા નથી જતી. તે કહે છે કે તે રસ્તામાં કોઈ મુશ્કેલીમાં ફસાઈ ગયો છે અને તરત જ પાંચ હજાર રૂપિયા આ નંબર પર મોકલો. આપણે પળવારમાં પૈસા મોકલવા તૈયાર થઈ જઈએ છીએ કારણ કે કાન ક્યારેય જૂઠું નથી બોલતા એવો આપણો જૂનો વિશ્વાસ છે. પરંતુ આજે કમ્પ્યુટર ફક્ત પાંચ સેકન્ડના અવાજ પરથી આખી જિંદગી બોલે તેવો અવાજ તૈયાર કરી શકે છે.
આ ચમત્કારિક અને જોખમી ટેકનોલોજીને વૉઇસ ક્લોનિંગ કહેવામાં આવે છે. પહેલાના જમાનામાં મિમિક્રી આર્ટિસ્ટે મહિનાઓ સુધી કોઈના અવાજની નકલ કરવાનો અભ્યાસ કરવો પડતો હતો, પરંતુ આજે કમ્પ્યુટર તમારા સોશિયલ મીડિયા પર મુકેલા એક નાના વિડિયોમાંથી તમારા અવાજનો પૂરો નકશો બનાવી લે છે.
પિયાનો ટ્યુનર અને આપોઆપ વાગતો પિયાનો
આ પ્રક્રિયા સમજવા માટે સંગીતના સાધનોના એક જૂના ગોડાઉનની કલ્પના કરો. ત્યાં એક અનુભવી પિયાનો માસ્ટર બેઠો છે અને તેની બાજુમાં એક યાંત્રિક પિયાનો છે જેની ચાવીઓ આપોઆપ દબાય છે. પિયાનો માસ્ટર તમારા ઘરે આવે છે અને તમને પિયાનો પર માત્ર બે કે ત્રણ સાદા સૂર વગાડવા કહે છે. તમે જ્યારે કી દબાવો છો ત્યારે તે આંખો બંધ કરીને ધ્યાનથી સાંભળે છે: તમે આંગળી કેટલી જોરથી દબાવો છો, સૂર કેટલો સમય ગૂંજે છે અને એક સૂર પરથી બીજા સૂર પર જતી વખતે કેટલો સમય લો છો.
તે આ બધી ખૂબીઓ પોતાની નોંધપોથીમાં ટપકાવી લે છે અને પોતાની દુકાને જઈને પેલા યાંત્રિક પિયાનોની સિસ્ટમમાં ગોઠવી દે છે. હવે તે પિયાનો એવી રીતે વાગવા લાગે છે કે જાણે તમે પોતે જ બેસીને વગાડી રહ્યા હોવ. પિયાનો માસ્ટરે તમારી વગાડવાની રીત પકડી લીધી અને યાંત્રિક પિયાનોએ નવાં ગીતો તમારી જ શૈલીમાં વગાડી બતાવ્યાં.
કમ્પ્યુટરનું સોફ્ટવેર પણ બરાબર આ જ રીતે કામ કરે છે. તે તમારા ગળામાંથી નીકળતા અવાજના કંપનો, નાકમાંથી નીકળતો રણકો અને જીભના વળાંકનો એક ગણિતનો આલેખ બનાવી લે છે. ત્યારબાદ તમે કમ્પ્યુટરમાં ગમે તે લખાણ ટાઈપ કરો, તે તમારા જ અવાજમાં, તમારા જ લહેકા સાથે મોટેથી વાંચી સંભળાવે છે.
આજના જમાનામાં અવાજ ક્લોનિંગનો ઉપયોગ ક્યાં થાય છે?
આ ટેકનોલોજીનો ઉપયોગ સારા કાર્યો માટે પણ થઈ રહ્યો છે અને કેટલાક છેતરપિંડી કરનારા લોકો દ્વારા પણ થઈ રહ્યો છે:
- અવાજ ગુમાવી ચૂકેલા દર્દીઓ માટે નવો આશરો: ગળાના કેન્સર કે બીમારીને કારણે જે લોકો પોતાનો બોલવાનો અવાજ ગુમાવી ચૂક્યા છે, તેમને તેમના જૂના રેકોર્ડિંગ્સ પરથી તેમનો અસલ અવાજ પાછો મેળવી અપાય છે.
- પુસ્તકોનું ઑડિયો વાચન અને રેડિયો પોડકાસ્ટ: જાણીતા સાહિત્યકારો કે કલાકારોના અવાજની મંજૂરી લઈને મોટા મોટા ગ્રંથો તેમના જ અવાજમાં રેકોર્ડ કરીને લોકો સમક્ષ મૂકવામાં આવે છે.
- પરિવારજનોના અવાજમાં અકસ્માતના નકલી કોલ્સ: હોસ્ટેલમાં કે વિદેશમાં ભણતા સંતાનોના માતા-પિતાને તેમના સંતાનના જ અવાજમાં ફોન કરીને પૈસા પડાવવાના ગુનાઓ ચિંતાજનક રીતે વધ્યા છે.
- ટેલિફોન બેંકિંગ અને વૉઇસ પાસવર્ડમાં છેતરપિંડી: કેટલીક બેંકો અવાજ ઓળખીને વ્યવહાર કરવાની સુવિધા આપે છે, ત્યાં નકલી અવાજથી ખાતામાં ઘૂસણખોરી કરવાના પ્રયાસો થાય છે.
અવાજની છેતરપિંડીથી બચવા માટેની ઉપયોગી સાવચેતી
કાનથી સાંભળેલી વાત પણ હવે સો ટકા સાચી જ હોય તેવું માની લેવું હિતાવહ નથી. થોડીક ચકાસણી આપણને મોટી મુશ્કેલીમાંથી બચાવી શકે છે.
- પરિવારની જૂની ખાનગી વાત પૂછો: શંકાસ્પદ ફોન આવે ત્યારે પૈસાની વાત કરતા પહેલા પૂછો, 'આપણે ગયા વર્ષે વેકેશનમાં ક્યાં ગયા હતા?' કે 'માસીના દીકરાનું નામ શું છે?' જેનો જવાબ કમ્પ્યુટર પાસે નથી હોતો.
- બોલવામાં અકુદરતી સપાટપણું અને શ્વાસનો અભાવ પરખો: મશીની અવાજમાં કુદરતી શ્વાસ લેવાનો અવાજ સામાન્ય રીતે હોતો નથી અને લાગણીઓ ઘણીવાર એકધારી લાગે છે.
- તરત જ ફોન કાપીને મૂળ નંબર પર સામેથી ફોન લગાવો: ગભરાટમાં આવીને ક્યારેય યુપીઆઈ ન કરો; કોલ કાપીને તમારા ફોનમાં સેવ કરેલા અસલ નંબર પર સામેથી વાત કરો.
આપણો અવાજ એ આપણી અનોખી ઓળખ છે. વિજ્ઞાન ગમે તેટલી નકલ કરી શકે, પરંતુ માણસ માણસ વચ્ચેનો સાચો પ્રેમ, આત્મીયતા અને આપણી જાગ્રત બુદ્ધિ કોઈપણ બનાવટને પળવારમાં ખુલ્લી પાડી દે છે.
સ્ત્રોતો
- Preventing Harms from AI-enabled Voice CloningFederal Trade Commission