في خطوة ثورية في عالم الذكاء الاصطناعي، استطاع باحثون تطوير إطار عمل جديد يُعرف باسم تحويل الوجه إلى صوت (Face-to-Speech F2S). هذه التقنية المبتكرة تعالج إحدى أكبر التحديات التي تواجه تقنيات تحويل النص إلى كلام (Text-To-Speech TTS)، وهي الاعتماد على مقاطع صوتية مرجعية.

تعتمد هذه التكنولوجيا الجديدة على صورة وجه ثابتة لتوليد صوت بشري طبيعي، مما يُتيح استخدامها في العديد من التطبيقات، مثل استنساخ أصوات الشخصيات التاريخية أو شخصيات ألعاب الفيديو.

تجمع طريقة العمل بين مكونين رئيسيين: مُعدّل وجه خفيف (Lightweight Face Adapter) والذي يقوم بتكييف ميزات التعرف على الوجه مع الفضاء الأنماطي لنموذج TTS المجمد (StyleTTS 2) أثناء التدريب. ولقد تم تقييم هذه التقنية على مجموعة بيانات LRS3، التي تحتوي على مقاطع فيديو باللغة الإنجليزية من محاضرات TED، وحققت نتائج مرموقة حيث تم التقييم بقياس طبيعيات الصوت (UTMOS) من 3.7 إلى 4.0، متجاوزة بذلك القيمة الأصلية التي بلغت 3.61.

تقول الدراسة إن الصوت الناتج كان طبيعيًا وموثوقًا تمامًا، حيث كانت عملية استرجاع الصوت من الوجه تجري بشكل متسق. علاوة على ذلك، تمكن المُعدل الذي تم تدريبه باللغة الإنجليزية من إنتاج صوت باللغة الإسبانية بطلاقة، مما يُشير إلى أن عملية الربط بين الوجه والأسلوب ليست مرتبطة بلغة معينة، بل هي متعددة اللغات.

في ختام البحث، يتضح لنا أن الابتكار في تكنولوجيا الذكاء الاصطناعي يفتح أمامنا آفاقًا وإمكانيات غير محدودة، ويثير أسئلة حول كيفية استخدام هذه الأدوات المستقبلية بشكل أخلاقي.
ما رأيكم في هذا التطور؟ شاركونا في التعليقات.