പാട്ട് പാടാന്‍ കഴിവുള്ള നിര്‍മിതബുദ്ധി സാങ്കേതിക വിദ്യ വികസിപ്പിച്ചുവെന്ന് ഗവേഷകര്‍. ഷീജിയങ് സര്‍വകലാശാലയിലേയും മൈക്രോസോഫ്റ്റിലേയും ഗവേഷകരാണ് ഒന്നിലധികം ഭാഷകളില്‍ പാട്ട് പാടാന്‍ സാധിക്കുന്ന ഡീപ്പ് സിങ്ങര്‍ എന്ന നിര്‍മിത ബുദ്ധി സാങ്കേതിക വിദ്യ പഠിപ്പിച്ചത്. പാട്ടുകളുടെ വെബ്‌സൈറ്റുകളില്‍ നിന്നുള്ള വിവരങ്ങള്‍ പരിശീലിപ്പിച്ചാണ് ഇത് സാധ്യമാക്കിയത്. 

ആര്‍ക്‌സൈവ്.ഒആര്‍ജി (Arxive.org) എന്ന വെബ്‌സൈറ്റില്‍ പ്രസിദ്ധീകരിച്ച പേപ്പറില്‍ ഈ നൂതന ആശയ സാക്ഷാത്കാരം എങ്ങനെയാണ് സംഭവിച്ചതെന്ന് ഗവേഷകര്‍ വിശദീകരിക്കുന്നു. 

ഓപ്പണ്‍ എഐ വികസിപ്പിച്ച സംഗീതമുണ്ടാക്കാന്‍ കഴിയുന്ന ജൂക്ക് ബോക്‌സ് എഐയെ (Jukebox AI) പോലെ ഡീപ്പ് സിങ്ങര്‍ സാങ്കേതിക വിദ്യയെയും വാണിജ്യാടിസ്ഥാനത്തില്‍ പ്രയോജനപ്പെടുത്താനാവും. 

റെക്കോര്‍ഡിങ് കഴിഞ്ഞ ഗാനങ്ങള്‍ക്കിടയില്‍ എന്തെങ്കിലും പിഴവുകള്‍ വന്നാല്‍ ആ ഭാഗം ആലപിക്കുന്നതിന് ഗായകരെ വീണ്ടും വിളിച്ചുവരുത്തേണ്ടതായോ അവര്‍ അതിന് അധിക സമയം ചിലവഴിക്കേണ്ടി വരികയോ വരും. എന്നാല്‍ അങ്ങനെയുള്ള പിഴവുകള്‍ തിരുത്തുന്നതിനും ആ ഭാഗം ആ ഗായകന്റെയോ ഗായികയുടേയോ ശബ്ദത്തില്‍ തന്നെ ആലപിക്കുന്നതിനും ഡീപ്പ് സിങ്ങറിനെ ഉപയോഗിക്കാം. ഇതുവഴി സംഗീത നിര്‍മാതാക്കള്‍ക്ക് ചിലവ് കുറയ്ക്കാന്‍ സാധിക്കും.

എങ്കിലും തീര്‍ച്ചയായും ഇതിനൊരു പ്രശ്‌നം കൂടിയുണ്ട്. ഈ സാങ്കേതിക വിദ്യ ഡീപ്പ് ഫെയ്ക്കുകള്‍ നിര്‍മിക്കാനും പ്രയോജനപ്പെടുത്താനാവും. ഗായകരുടെ ശബ്ദത്തില്‍ വ്യാജനുണ്ടാക്കാന്‍ ഇതുവഴിയാവും.  

എന്തായാലും അതി സങ്കീര്‍ണമായ പരിശീലന പ്രക്രിയയിലൂടെയാണ് ഡീപ്പ് സിങ്ങര്‍ സാങ്കേതിക വിദ്യ വികസിപ്പിച്ചെടുത്തത്. സംസാരിക്കുമ്പോഴുള്ളത് പോലെയല്ല പാടുമ്പോള്‍. പദപ്രയോഗങ്ങളുടെ ദൈര്‍ഘ്യവും, ഉച്ചസ്ഥായിയുമെല്ലാം പാട്ടുകളില്‍ പ്രധാനമാണ്. അവ പരിശീലിപ്പിക്കുന്നത് ഏറെ വെല്ലുവിളിയായിരുന്നുവെന്ന്  ഗവേഷകര്‍ തന്നെ പറയുന്നു. 

ഒരു നിര്‍മിത ബുദ്ധി സാങ്കേതിക വിദ്യയെ പരിശീലിപ്പിക്കാനാകും വിധം സാങ്കേതികമായി എഴുതി വെച്ചവയല്ല പാട്ടുകള്‍. അതിനുവേണ്ടി വിവിധ പാട്ടുകളുടെ വെബ്‌സൈറ്റുകളില്‍ നിന്നുള്ള പാട്ടുകള്‍ എടുത്ത് ഒരോ ശബ്ദവും ഇഴകീറിയെടുത്ത് പരിശീലിപ്പിക്കേണ്ടി വന്നു ഗവേഷകര്‍ക്ക്. 

Content Highlights: Microsoft’s AI generates voices that can sing multiple languages