AIの悲鳴合成はまだ下手 海外で「アーティスト終了」ネタ再燃
姉妹サイトの新着
海外の掲示板4chan /g/で、AIによる悲鳴(スクリーム)音声合成のお粗末な出来栄えが話題になり、投稿者たちが実際のサンプル音声を聞いて爆笑する流れになった。スレでは、音声特化のモデルを個別に訓練するべきか、音楽や効果音も含めた汎用の大規模音声モデル一つにまとめるべきかという技術的な意見の対立も起きた。背景には、画像生成AIの登場以来「アーティストはもう終わりだ」と毎年のように繰り返されてきたネットミームがあり、今回もAIの不完全さを笑うオチとして持ち出されている。
配管工にでもなるしかないか
出典: x.com / 元記事はこちら
笑いすぎて漏れそう
思いっきり出しちゃえ!
なんでこんな技術開発したんだ。退屈な仕事だけ代わりにやらせればよかったのに
それってナレーターのことだろ?
>こんな感じで叫べるか?
>叫んでるというより音量が上がっただけに聞こえる
またこれか
>叫んでるというより音量が上がっただけに聞こえる
またこれか
>こんな感じで叫べるか?
>叫んでない
正直よくわからない。説明してくれ
>叫んでない
正直よくわからない。説明してくれ
でもどこに叫び声があったんだ?
子供の頃に頭を強く打ったんだろう、許してやれ
https://vocaroo.com/1hba63rNz8kn
ひどすぎる。これが学習データに使われたのか?
>シュトロツェク
ヘルツォークの『シュトロツェク』のことか?あの映画は神がかってる
ヘルツォークの『シュトロツェク』のことか?あの映画は神がかってる
どうした?完全に自然な人間の叫び声を聞いたことないのか?
https://vocaroo.com/1hyMUpCDb7N9
https://vocaroo.com/1hyMUpCDb7N9
叫び声用の学習データがそもそも足りないんじゃないかと思い始めてる。叫び声をちゃんと出せるようにするためだけに何百万ドルも使って新しいデータセンターを建てて、叫び声専門家を雇う必要が出てくるぞ
音声特化のモデルを個別に訓練するのは間違ったアプローチだと思う。何度も実証されてきたのは、結局スケールが勝つということ。音楽・効果音・会話を全部こなす汎用の大型音声モデル一つでいいはずだ
ハリウッドの音響スタジオが60年以上前からやってるように、ストックの叫び声を使えばいいだけ
それだと一つのモデルがより多様な『スロップ(低品質なAI生成物)』を作るだけで、データセット自体は変わらないから質は改善しない
他サイトの新着
問題は、みんなAIが作ったものを見たいわけじゃなくて、誰かが作ったものを見たいということ。だからこそ『スロップ』と呼ばれる
>2024年「アーティストはもう終わりだ」
>2025年「アーティストはもう終わりだ」
>2026年「アーティストはもう終わりだ」
アーティストが勝ち続けるのはいつまで続くんだ?
>2025年「アーティストはもう終わりだ」
>2026年「アーティストはもう終わりだ」
アーティストが勝ち続けるのはいつまで続くんだ?
この話題の背景と論点
「it’s over for artists(アーティストはもう終わりだ)」は、画像生成AIが台頭した2022年頃からネット文化で繰り返されてきた自虐的なミームで、新しいAIモデルが発表されるたびに「今年もまた」と持ち出される一種のお約束になっている。今回話題になったのは音声合成AIで、特に「悲鳴」という単純だが感情の起伏を伴う音を自然に再現するのがまだ難しいことが、投稿されたサンプル音声から浮かび上がった。スレ内では、用途ごとに専用モデルを訓練する方式と、音楽・効果音・会話をまとめて扱う汎用の大規模音声モデルに賭ける方式のどちらが優れているかという、実際の音声AI研究でも議論されているスケーリング則の対立が持ち出されている点は、単なる揶揄を超えた技術的な論点として読める。
※本記事は海外掲示板 4chan /g/ (Technology) のスレッド「Yep it’s over for artists」から抜粋し、編集部で日本語に意訳したものです。訳文の責任は当サイトにあります。
この記事のリアクション
まだコメントはありません。