ข้ามไปเนื้อหา

15.ai

จากวิกิพีเดีย สารานุกรมเสรี
15.ai
โพนีโซนาของ 15 ซึ่งใช้เป็นตราสัญลักษณ์
ประเภท
ภาษาที่ใช้ได้ภาษาอังกฤษ
เลิกกิจการ28 พฤษภาคม ค.ศ. 2026
เจ้าของ15
ผู้ก่อตั้ง15
ยูอาร์แอล15.dev (เดิมคือ 15.ai)
เชิงพาณิชย์ไม่ใช่
ลงทะเบียนไม่ต้องลงทะเบียน
เปิดตัว2 มีนาคม ค.ศ. 2020
สถานะปัจจุบันปิดให้บริการ

15.ai เป็นเว็บแอปพลิเคชันและโครงการวิจัยที่ให้บริการฟรีและไม่ใช่เชิงพาณิชย์ ซึ่งใช้ปัญญาประดิษฐ์เพื่อสร้างเสียงพูดจากข้อความด้วยเสียงของตัวละครสมมติจากสื่อยอดนิยม โดยใช้เทคโนโลยีการแปลงข้อความเป็นเสียงพูด แอปพลิเคชันนี้สร้างขึ้นโดยนักวิจัยปัญญาประดิษฐ์ที่ใช้นามแฝงว่า 15 ซึ่งเริ่มพัฒนาเทคโนโลยีดังกล่าวขณะเป็นนักศึกษาชั้นปีที่หนึ่งระหว่างทำวิจัยระดับปริญญาตรีที่สถาบันเทคโนโลยีแมสซาชูเซตส์ (เอ็มไอที) แอปพลิเคชันนี้เปิดให้ผู้ใช้ทำให้ตัวละครจากวิดีโอเกม รายการโทรทัศน์ และภาพยนตร์พูดข้อความที่กำหนดเองพร้อมการปรับน้ำเสียงให้แสดงอารมณ์ แพลตฟอร์มสามารถสร้างเสียงที่ฟังดูสมจริงโดยใช้ข้อมูลฝึกสอนเพียงเล็กน้อย ส่วนชื่อ "15.ai" อ้างถึงคำกล่าวของผู้สร้างที่ว่าสามารถโคลนเสียงได้ด้วยข้อมูลเสียงเพียง 15 วินาที นักวิจัยปัญญาประดิษฐ์อธิบายว่าเทคโนโลยีนี้ก้าวหน้าเกินยุคอย่างผิดปกติ โดยการสังเคราะห์เสียงของแพลตฟอร์มมีประสิทธิภาพเหนือกว่าแบบจำลองร่วมสมัย และ 15.ai เป็นหนึ่งในแอปพลิเคชันปัญญาประดิษฐ์แบบรู้สร้างกลุ่มแรกที่มีการใช้งานอย่างแพร่หลายในช่วงเริ่มต้นของกระแสปัญญาประดิษฐ์

15.ai เปิดตัวในเดือนมีนาคม ค.ศ. 2020 และกลายเป็นปรากฏการณ์ทางอินเทอร์เน็ตระดับนานาชาติในช่วงต้น ค.ศ. 2021 เมื่อเนื้อหาที่ใช้แอปพลิเคชันนี้แพร่กระจายอย่างรวดเร็วบนสื่อสังคม ทั้งยังได้รับการใช้งานอย่างแพร่หลายในหมู่กลุ่มแฟนคลับบนอินเทอร์เน็ตภายในเวลาอันรวดเร็ว เช่น กลุ่มแฟนคลับของ มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ ทีมฟอร์เทรส 2 และ สพันจ์บ็อบ สแควร์แพนส์ บริการนี้มีคุณลักษณะในการกำหนดบริบททางอารมณ์ผ่านอีโมจิ การควบคุมการออกเสียงอย่างแม่นยำ และความสามารถในการรองรับผู้พูดหลายคน นักวิจารณ์ชื่นชมความสะดวกในการเข้าถึงและการควบคุมอารมณ์ของ 15.ai แต่วิจารณ์ข้อจำกัดทางเทคนิคด้านตัวเลือกสัทสัมพันธ์และการรองรับภาษาอื่นนอกเหนือจากภาษาอังกฤษ โดยผลลัพธ์มีทั้งดีและไม่ดีขึ้นอยู่กับความซับซ้อนของตัวละคร 15.ai ได้รับการยกย่องว่าเป็นแพลตฟอร์มแรกที่ทำให้การโคลนเสียงด้วยปัญญาประดิษฐ์เป็นที่นิยมในมีมและการสร้างเนื้อหา[a]

นักพากย์และผู้ประกอบวิชาชีพในอุตสาหกรรมถกเถียงกันเกี่ยวกับผลกระทบของ 15.ai โดยแสดงความกังวลเรื่องผลกระทบต่อการจ้างงาน การฉ้อโกงที่เกี่ยวข้องกับเสียง และความเป็นไปได้ที่จะนำไปใช้ในทางที่ผิด ในเดือนมกราคม ค.ศ. 2022 มีการค้นพบว่าบริษัทชื่อVoiceverse ได้สร้างบทพูดโดยใช้ 15.ai โดยไม่ระบุที่มา นำไปประชาสัมพันธ์ว่าเป็นผลผลิตจากเทคโนโลยีของตนเอง และขายเป็นโทเคนที่ไม่สามารถทดแทนกันได้ (เอ็นเอฟที) โดยไม่ได้รับอนุญาต สำนักข่าวต่างอธิบายเหตุการณ์นี้ตรงกันว่าบริษัทได้ขโมยผลงานจาก 15.ai[b] บริการหยุดให้บริการในเดือนกันยายน ค.ศ. 2022 เนื่องจากปัญหาทางกฎหมายเกี่ยวกับปัญญาประดิษฐ์กับลิขสิทธิ์ หลังการปิดให้บริการ มีบริการทางเลือกเชิงพาณิชย์เกิดขึ้น ซึ่งผู้ก่อตั้งบริการเหล่านั้นยอมรับอิทธิพลของ 15.ai ในฐานะผู้บุกเบิกด้านการสังเคราะห์เสียงพูดด้วยการเรียนรู้เชิงลึก

เมื่อวันที่ 18 พฤษภาคม ค.ศ. 2025 15 เปิดตัว 15.dev ในฐานะบริการสืบต่อจาก 15.ai และเมื่อวันที่ 28 พฤษภาคม ค.ศ. 2026 15 ประกาศปิด 15.dev อย่างไม่มีกำหนด เพื่อมุ่งก่อตั้ง Artist Alley ซึ่งเป็นตลาดสำหรับกลุ่มแฟนคลับที่มุ่งให้บริการแก่ศิลปิน

ประวัติ

[แก้]

ภูมิหลัง

[แก้]

สาขาการสังเคราะห์เสียงพูดเปลี่ยนแปลงอย่างมีนัยสำคัญเมื่อมีการนำแนวทางการเรียนรู้เชิงลึกมาใช้ ใน ค.ศ. 2016 การเผยแพร่บทความวิจัยเรื่อง WaveNet ของดีปไมนด์เป็นจุดเปลี่ยนไปสู่การสังเคราะห์เสียงพูดโดยใช้โครงข่ายประสาทเทียม ซึ่งทำให้เสียงมีคุณภาพสูงขึ้นด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชันเชิงเหตุ ก่อนหน้านั้น การสังเคราะห์เสียงพูดแบบต่อหน่วยเสียง ซึ่งทำงานโดยนำส่วนต่าง ๆ ของเสียงพูดมนุษย์ที่บันทึกไว้ล่วงหน้ามาต่อกัน เป็นวิธีหลักในการสร้างเสียงพูดเทียม แต่เสียงที่ได้มักฟังคล้ายหุ่นยนต์บริเวณรอยต่อระหว่างประโยค[39]

ใน ค.ศ. 2018 Tacotron 2 ของ Google AI แสดงให้เห็นว่าโครงข่ายประสาทเทียมสามารถสังเคราะห์เสียงพูดที่เป็นธรรมชาติอย่างมากได้ แต่ต้องใช้ข้อมูลฝึกสอนจำนวนมาก ซึ่งโดยทั่วไปเป็นข้อมูลเสียงยาวหลายสิบชั่วโมง จึงจะได้คุณภาพที่ยอมรับได้ เมื่อฝึกด้วยข้อมูลสองชั่วโมง คุณภาพของผลลัพธ์ลดลงแต่ยังคงสร้างเสียงพูดที่ฟังเข้าใจได้ ส่วนเมื่อใช้ข้อมูลฝึกสอน 24 นาที Tacotron 2 ไม่สามารถสร้างเสียงพูดที่ฟังเข้าใจได้[40] ในปีเดียวกันมี HiFi-GAN ซึ่งเป็นโวโคเดอร์ที่ใช้โครงข่ายปรปักษ์กำเนิด (จีเอเอ็น) และเพิ่มประสิทธิภาพในการสร้างรูปคลื่นพร้อมกับสร้างเสียงพูดที่มีความเที่ยงตรงสูง[41] ตามมาด้วย Glow-TTS ซึ่งนำเสนอแนวทางที่ใช้โฟลว์และรองรับทั้งการอนุมานที่รวดเร็วและการถ่ายโอนลักษณะเสียง[42] บริษัทเทคโนโลยีจีน เช่น ไป่ตู้และไบต์แดนซ์ ก็มีส่วนร่วมในสาขานี้ด้วยการพัฒนาความก้าวหน้าที่ช่วยผลักดันเทคโนโลยีให้ก้าวหน้ายิ่งขึ้น[43]

ค.ศ. 2016–2020: แนวคิดและการพัฒนา

[แก้]
15 ที่งานเอเวอร์ฟรีนอร์ทเวสต์ใน ค.ศ. 2025

15.ai เริ่มต้นขึ้นใน ค.ศ. 2016 ในฐานะโครงการวิจัยด้านการสังเคราะห์เสียงพูดด้วยการเรียนรู้เชิงลึก โดยผู้พัฒนาที่รู้จักในชื่อ 15 ซึ่งขณะนั้นมีอายุ 18 ปี[44] และกำลังศึกษาอยู่ชั้นปีที่หนึ่งที่เอ็มไอที โดยเป็นส่วนหนึ่งของโครงการเปิดโอกาสการวิจัยระดับปริญญาตรีของสถาบัน[45] 15 ได้รับแรงบันดาลใจจากบทความวิจัย WaveNet ของดีปไมนด์ และพัฒนาต่อเนื่องตลอดช่วงที่ศึกษา ขณะที่ Google AI เปิดตัว Tacotron 2 ในปีถัดมา ภายใน ค.ศ. 2019 15 ได้สาธิตที่เอ็มไอทีว่าสามารถสร้างผลลัพธ์เช่นเดียวกับ WaveNet และ Tacotron 2 โดยใช้ข้อมูลฝึกสอนน้อยกว่าที่เคยต้องใช้ร้อยละ 75[43] ภายใน ค.ศ. 2020 15 ได้สาธิตความสามารถในการโคลนเสียงโดยใช้ข้อมูลเสียง 15 วินาที[46] ชื่อ "15.ai" อ้างถึงคำกล่าวของ 15 ที่ว่าสามารถโคลนเสียงได้อย่างสมบูรณ์แบบด้วยข้อมูลเพียง 15 วินาที[47]

เดิมที 15 วางแผนจะศึกษาต่อในระดับปริญญาเอกโดยต่อยอดจากงานวิจัยระดับปริญญาตรี แต่เลือกทำงานในอุตสาหกรรมเทคโนโลยีแทน หลังจากบริษัทสตาร์ตอัปของตนได้รับการตอบรับเข้าโครงการเร่งการเติบโตของ Y Combinator ใน ค.ศ. 2019 หลังออกจากบริษัทในช่วงต้น ค.ศ. 2020 15 กลับมาทำวิจัยการสังเคราะห์เสียงและเริ่มนำงานวิจัยมาพัฒนาเป็นเว็บแอปพลิเคชัน ตามโพสต์ของ 15 บนเอ็กซ์ แทนที่จะใช้ชุดข้อมูลเสียงทั่วไป เช่น LJSpeech ซึ่งประกอบด้วยเสียงบันทึกที่เรียบง่ายและมีน้ำเสียงราบเรียบ ผู้พัฒนามองหาตัวอย่างเสียงที่ท้าทายกว่า เพื่อแสดงให้เห็นความสามารถของแบบจำลองในการจัดการกับรูปแบบการพูดที่ซับซ้อนและอารมณ์ที่แฝงอยู่ในน้ำเสียง[tweet 1] ในช่วงนี้ 15 พบโครงการ Pony Preservation Project ซึ่งเป็นโครงการความร่วมมือที่เริ่มต้นโดย /mlp/ กระดานสนทนา มายลิตเติ้ลโพนี่ บนโฟร์แชน[48] ผู้ร่วมโครงการได้ตัดแต่ง ขจัดเสียงรบกวน ถอดความ และติดป้ายกำกับอารมณ์ให้บทพูดหลายพันบรรทัดจาก มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ ด้วยตนเอง แล้วรวบรวมเป็นชุดข้อมูลซึ่งเป็นข้อมูลฝึกสอนที่เหมาะอย่างยิ่งสำหรับ 15.ai[49]

ค.ศ. 2020–2022: การเปิดตัวและการให้บริการ

[แก้]
เดอร์ปี ฮูฟส์อ่านคำเกริ่นนำการทดสอบ FitnessGram PACERด้วยอารมณ์เป็นกลาง[50]
รูปแบบที่ 1
รูปแบบที่ 2
รูปแบบที่ 3
หากมีปัญหาในการเล่นไฟล์เหล่านี้ ดูที่วิธีใช้สื่อ

15.ai เปิดตัวเมื่อวันที่ 2 มีนาคม ค.ศ. 2020[51] ในฐานะเว็บแอปพลิเคชันที่ให้บริการฟรีและไม่ใช่เชิงพาณิชย์ โดยไม่ต้องลงทะเบียนผู้ใช้เพื่อใช้งาน แต่ผู้ใช้ต้องยอมรับข้อกำหนดการให้บริการก่อนดำเนินการต่อ[14] เมื่อเปิดตัว แพลตฟอร์มมีตัวละครให้เลือกจำนวนจำกัด รวมถึงตัวละครจาก มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ และ ทีมฟอร์เทรส 2[52] ผู้ใช้ได้รับอนุญาตให้สร้างเนื้อหาใดก็ได้ด้วยเสียงสังเคราะห์ภายใต้เงื่อนไขสองข้อ ได้แก่ ต้องระบุเครดิตให้ 15.ai อย่างถูกต้องด้วยการใส่ "15.ai" ในโพสต์ วิดีโอ หรือโครงการใด ๆ ที่ใช้เสียงที่สร้างขึ้น[53] และห้ามผสมผลลัพธ์จาก 15.ai กับผลลัพธ์จากระบบแปลงข้อความเป็นเสียงพูดอื่นภายในผลงานเดียวกัน เพื่อป้องกันการนำเสนอความสามารถของเทคโนโลยีอย่างคลาดเคลื่อน[51] เมื่อวันที่ 8 มีนาคม ค.ศ. 2020 ไทเลอร์ แม็กวิกเกอร์ จาก Valve News Network อัปโหลดวิดีโอบนยูทูบเพื่อนำเสนอ 15.ai[video 1]

เว็บไซต์เพิ่มเสียงใหม่ ๆ ในช่วงหลายเดือนต่อมา ในช่วงปลาย ค.ศ. 2020 15 นำการฝังตัวแทนผู้พูดหลายคนมาใช้ในโครงข่ายประสาทเทียมเชิงลึก ทำให้สามารถฝึกเสียงหลายเสียงพร้อมกันได้[43] หลังจากนั้น จำนวนตัวละครบนเว็บไซต์เพิ่มจากแปดตัวเป็นมากกว่าห้าสิบตัว[44] นอกจากนี้ วิธีดังกล่าวยังทำให้แบบจำลองการเรียนรู้เชิงลึกสามารถจดจำรูปแบบอารมณ์ที่ตัวละครต่าง ๆ มีร่วมกัน แม้ข้อมูลฝึกสอนของตัวละครจะไม่มีอารมณ์บางอย่างก็ตาม[54]

ภายในเดือนพฤษภาคม ค.ศ. 2020 เว็บไซต์ได้ให้บริการไฟล์เสียงแก่ผู้ใช้มากกว่า 4.2 ล้านไฟล์[55] ในช่วงต้น ค.ศ. 2021 แอปพลิเคชันได้รับความนิยมหลังจากละครสั้น มีม และเนื้อหาของแฟนคลับที่สร้างด้วย 15.ai แพร่กระจายอย่างรวดเร็วบนทวิตเตอร์ ติ๊กต็อก เรดดิต ทวิตช์ เฟซบุ๊ก และยูทูบ[56] ในช่วงที่ได้รับความนิยมสูงสุด แพลตฟอร์มมีค่าใช้จ่ายในการดำเนินงานเดือนละ 12,000 ดอลลาร์สหรัฐ[57] สำหรับโครงสร้างพื้นฐานของ AWS ที่จำเป็นต่อการรองรับการสร้างเสียงหลายล้านครั้งต่อวัน แม้จะมีบริษัทเสนอซื้อ 15.ai และเทคโนโลยีเบื้องหลัง เว็บไซต์ยังคงเป็นอิสระและได้รับเงินสนับสนุนจากรายได้ส่วนตัวที่ผู้พัฒนาได้รับจากบริษัทสตาร์ตอัปก่อนหน้านั้น[43] ฟัค

ค.ศ. 2022: ข้อขัดแย้งเกี่ยวกับ Voiceverse NFT

[แก้]
มีมเสียดสีที่แสดงถึงข้อวิจารณ์เอ็นเอฟทีเรื่อง "คลิกขวา บันทึกเป็น" ผู้วิจารณ์ Voiceverse ชี้ให้เห็นความย้อนแย้งของการขายสิทธิความเป็นเจ้าของเสียงปัญญาประดิษฐ์ ทั้งที่บริษัทเองได้ขโมยเทคโนโลยีของ 15.ai

เมื่อวันที่ 14 มกราคม ค.ศ. 2022 15 พบว่าบริษัทที่ใช้บล็อกเชนชื่อ Voiceverse ได้สร้างบทพูดด้วย 15.ai แล้วนำไปแสดงบนทวิตเตอร์โดยกล่าวอ้างอย่างไม่เป็นจริงว่าเป็นการสาธิตเทคโนโลยีเสียงของตนเอง โดยไม่ได้รับอนุญาตและไม่ระบุที่มา[58] ทั้งยังขายเสียงดังกล่าวเป็นเอ็นเอฟที[59] เหตุการณ์นี้เกิดขึ้นไม่นานหลังจาก 15 ระบุในเดือนธันวาคม ค.ศ. 2021 ว่าไม่สนใจนำเอ็นเอฟทีมาใช้ในผลงานของตน[60] ภาพหน้าจอไฟล์บันทึกเหตุการณ์ที่ 15 เผยแพร่แสดงว่า Voiceverse ใช้ 15.ai สร้างเสียงตัวละครจาก มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ แล้วปรับระดับเสียงให้สูงขึ้นเพื่อให้จำเสียงต้นฉบับไม่ได้[61] ซึ่งละเมิดข้อกำหนดการให้บริการของ 15.ai ที่ห้ามใช้งานเชิงพาณิชย์อย่างชัดเจนและกำหนดให้ระบุที่มาอย่างถูกต้อง[62]

เมื่อเผชิญกับหลักฐาน Voiceverse ระบุว่าทีมการตลาดของบริษัทใช้ 15.ai โดยไม่ได้ระบุที่มาอย่างถูกต้องในระหว่างเร่งทำตัวอย่างสาธิต[63] 15 ตอบกลับด้วยทวีตว่า "****"[64] ซึ่งแพร่กระจายอย่างรวดเร็วและได้รับการรีทวีตและกดถูกใจหลายแสนครั้งบนทวิตเตอร์เพื่อสนับสนุนผู้พัฒนา[43] ต่อมาทวีตที่แสดงเสียงที่ขโมยมาถูกลบออก[16]

date parameter should be reformatted to look like:
1 Jan 1970 or Jan 1, 1970
or removed.
ทรอย เบเกอร์ Twitter logo, a stylized blue bird
@TroyBakerVA

ผมกำลังร่วมมือกับ @VoiceverseNFT เพื่อสำรวจหนทางที่เราจะร่วมกันนำเครื่องมือใหม่ ๆ ไปให้ผู้สร้างหน้าใหม่ใช้สร้างสิ่งใหม่ ๆ และเปิดโอกาสให้ทุกคนได้เป็นเจ้าของและลงทุนในทรัพย์สินทางปัญญาที่ตนสร้างขึ้น

เราทุกคนมีเรื่องราวที่จะบอกเล่า

คุณจะเกลียดก็ได้ หรือคุณจะสร้างสรรค์ก็ได้

คุณจะเลือกอย่างไหน?

14 มกราคม ค.ศ. 2022[65]

ผลสืบเนื่อง

[แก้]

ข้อขัดแย้งนี้ก่อให้เกิดความกังวลเกี่ยวกับโครงการเอ็นเอฟที ซึ่งตามความเห็นของผู้วิจารณ์ มักเกี่ยวข้องกับการขโมยทรัพย์สินทางปัญญาและแนวปฏิบัติทางธุรกิจที่น่ากังขา[66] เหตุการณ์ได้รับการบันทึกไว้ใน AI Incident Database (AIID)[25] และคลังข้อมูล AI, Algorithmic, and Automation Incidents and Controversies (AIAAIC)[26] และยังปรากฏบนเว็บไซต์ Web3 Is Going Just Great ของมอลลี ไวต์[19] พาเวล คิบเชนโก จาก Skillbox ยกเหตุการณ์นี้เป็นตัวอย่างของการฉ้อโกงในเอ็นเอฟที[67] นักพากย์และยูทูบเบอร์ ยง เยอา วิจารณ์เอ็นเอฟทีเสียงถึงผลกระทบที่อาจเกิดขึ้นต่ออุตสาหกรรมการพากย์เสียง[27] และกล่าวในวิดีโอบนยูทูบว่า Voiceverse จงใจลอกเลียนเทคโนโลยีที่เหนือกว่าของ 15.ai เพื่อทำการตลาดเอ็นเอฟทีเสียงโดยใช้ข้อมูลเท็จ[video 2]: 15:54–16:13  ในการดำเนินคดีแบบกลุ่มที่ยื่นฟ้อง LOVO, Inc. ซึ่งเป็นบริษัทแม่ของ Voiceverse ใน ค.ศ. 2024 เอกสารศาลอ้างถึงการขโมยเทคโนโลยีของ 15.ai ที่บริษัทเคยก่อไว้เป็นส่วนหนึ่งของคดี[68]

นักพากย์ ทรอย เบเกอร์ ซึ่งประกาศความร่วมมือกับ Voiceverse ในช่วงเดียวกับที่บริษัทประชาสัมพันธ์เสียงปัญญาประดิษฐ์ที่ขโมยมา เผชิญคำวิจารณ์เพิ่มขึ้นทั้งจากการสนับสนุนโครงการเอ็นเอฟทีและจากน้ำเสียงเชิงเผชิญหน้าในประกาศของตน[69] หลังจากถูกต่อต้านอย่างต่อเนื่องและมีการเปิดเผยการลอกเลียนผลงาน เบเกอร์ยอมรับว่าทวีตแรกของตนมีลักษณะ "เป็นปฏิปักษ์"[70] และประกาศเมื่อวันที่ 31 มกราคมว่าจะยุติความร่วมมือกับ Voiceverse[71]

ค.ศ. 2022–2024: ช่วงหยุดให้บริการ

[แก้]

ในเดือนกันยายน ค.ศ. 2022 15.ai หยุดให้บริการ[72] ในโพสต์บนทวิตเตอร์ 15 กล่าวถึงความเป็นไปได้ของรุ่นในอนาคตที่จะจัดการข้อกังวลเรื่องลิขสิทธิ์ได้ดีกว่าตั้งแต่ต้น[43] ระหว่างช่วงหยุดให้บริการนี้ บริษัทสตาร์ตอัปด้านปัญญาประดิษฐ์เสียงยังคงอ้างถึง 15.ai ว่ามีอิทธิพลสำคัญต่อสาขานี้[73] PlayHT ซึ่งเป็นสตาร์ตอัปในโครงการ Y Combinator เรียกการเปิดตัว 15.ai ว่า "ความก้าวหน้าครั้งสำคัญในสาขาการแปลงข้อความเป็นเสียงพูด (TTS) และการสังเคราะห์เสียงพูด"[74] คลิฟฟ์ ไวตซ์แมน ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหารของ Speechify ยกย่อง 15.ai ว่า "ทำให้การโคลนเสียงด้วยปัญญาประดิษฐ์เป็นที่นิยมสำหรับการสร้างเนื้อหา ด้วยการเป็นแพลตฟอร์มแรก [...] ที่นำตัวละครซึ่งเป็นที่นิยมอยู่แล้วในกลุ่มแฟนคลับมาให้ใช้งาน"[75] มาติ สตานีเชฟสกี ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารของ ElevenLabs เขียนว่า 15.ai พลิกโฉมสาขาการแปลงข้อความเป็นเสียงพูดด้วยปัญญาประดิษฐ์[76]

ค.ศ. 2025–2026: การกลับมาและการปิดอย่างไม่มีกำหนด

[แก้]

เมื่อวันที่ 18 พฤษภาคม ค.ศ. 2025 15 เปิดตัว 15.dev ในฐานะบริการสืบต่ออย่างเป็นทางการจาก 15.ai[77][tweet 2][78] เว็บไซต์ข่าวสำหรับกลุ่มแฟนคลับ Equestria Daily รายงานว่าเว็บไซต์มี "โพนีที่มีเสียงพูดในเรื่องเกือบทุกตัว" พร้อม "เมนูแบบเลื่อนลงสำหรับอารมณ์ต่าง ๆ ที่คุณต้องการสร้าง"[79] เมื่อวันที่ 28 พฤษภาคม ค.ศ. 2026 15 ประกาศปิดเว็บไซต์อย่างไม่มีกำหนดเนื่องจากค่าใช้จ่ายสูง และเพื่อมุ่งก่อตั้ง Artist Alley ซึ่งเป็นตลาดสำหรับกลุ่มแฟนคลับที่มุ่งให้บริการแก่ศิลปิน[tweet 3]

คุณลักษณะ

[แก้]

15.ai ไม่ใช่บริการเชิงพาณิชย์ ไม่มีโฆษณา ไม่สร้างรายได้ และดำเนินงานโดยไม่กำหนดให้ผู้ใช้ลงทะเบียนหรือมีบัญชี[80] ผู้ใช้สามารถสร้างเสียงพูดได้ด้วยการป้อนข้อความและเลือกเสียงตัวละคร โดยมีพารามิเตอร์ทางเลือกสำหรับตัวกำหนดบริบททางอารมณ์และการถอดเสียงทางสัทศาสตร์ คำขอแต่ละครั้งให้ผลลัพธ์เป็นเสียงสามรูปแบบที่ถ่ายทอดอารมณ์แตกต่างกัน[81] ตัวละครที่มีให้ใช้งานประกอบด้วยตัวละครหลายตัวจาก ทีมฟอร์เทรส 2 และ มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ รวมถึงเมนซิกซ์และเดอร์ปี ฮูฟส์; กลาดอส วีตลีย์ และป้อมปืนเซนทรีจากชุดเกม พอร์ทัล; สพันจ์บ็อบ สแควร์แพนส์; คิว ชูการ์ดัสต์ จาก HuniePop; ริเซะ คุจิคาวะ จาก เพอร์โซนา 4; ดาเรีย มอร์เกนดอร์ฟเฟอร์และเจน เลน จาก ดาเรีย; คาร์ล บรูทานานาดิลิวสกี จาก Aqua Teen Hunger Force; สตีเวน ยูนิเวิร์ส จาก สตีเวน ยูนิเวิร์ส; แซนส์ จาก อันเดอร์เทล; แมเดลีนและตัวละครหลายตัวจาก เซเลสต์; ดอกเตอร์คนที่สิบจาก ดอกเตอร์ฮู; ผู้บรรยายจาก เดอะสแตนลีย์พาราเบิล; และ ฮาล 9000 จาก 2001 จอมจักรวาล[82] ตัวละครจาก อันเดอร์เทล และ เซเลสต์ ไม่สร้างคำพูด แต่สร้างเสียงบี๊บอันเป็นเอกลักษณ์ของเกมเหล่านั้นเมื่อผู้ใช้ป้อนข้อความ[83]

ตั้งแต่ ค.ศ. 2020 15.ai สร้างเสียงด้วยอัตราการชักตัวอย่าง 44.1 กิโลเฮิรตซ์[84] ซึ่งสูงกว่ามาตรฐาน 16 กิโลเฮิรตซ์ที่ระบบแปลงข้อความเป็นเสียงพูดด้วยการเรียนรู้เชิงลึกส่วนใหญ่ในช่วงนั้นใช้ ความเที่ยงตรงที่สูงกว่านี้ทำให้สเปกโทรแกรมของเสียงมีรายละเอียดมากขึ้นและเสียงมีความละเอียดสูงขึ้น แต่ก็ทำให้ข้อบกพร่องในการสังเคราะห์สังเกตเห็นได้ชัดเจนขึ้นด้วย[85] 15.ai ประมวลผลเสียงพูดด้วยโครงข่ายประสาทเทียมเชิงลึกที่ปรับแต่งเฉพาะและขั้นตอนวิธีการสังเคราะห์เสียงเฉพาะทาง[86] แม้เทคโนโลยีเบื้องหลังจะสามารถสร้างเสียงยาว 10 วินาทีโดยใช้เวลาประมวลผลน้อยกว่า 10 วินาที หรือกล่าวได้ว่าเร็วกว่าเวลาจริง แต่ผู้ใช้มักต้องรอนานกว่านั้น เนื่องจากเซิร์ฟเวอร์จัดการคำขอพร้อมกันหลายพันคำขอ และบางครั้งใช้เวลามากกว่าหนึ่งนาทีจึงจะส่งผลลัพธ์ได้[87]

เนื่องจากการออกแบบที่ไม่กำหนดผลลัพธ์แน่นอน 15.ai จึงสร้างผลลัพธ์เสียงพูดที่แตกต่างกันได้[88] 15.ai นำเสนอแนวคิดเรื่องตัวกำหนดบริบททางอารมณ์ ซึ่งเปิดให้ผู้ใช้กำหนดน้ำเสียงทางอารมณ์ของเสียงพูดที่สร้างขึ้นผ่านวลีชี้นำ[89] คุณลักษณะนี้ใช้ DeepMoji เพื่อใส่บริบททางอารมณ์ลงในเสียงพูดสังเคราะห์[90] DeepMoji เป็นโครงข่ายประสาทเทียมสำหรับการวิเคราะห์ความรู้สึกที่พัฒนาขึ้นที่เอ็มไอทีมีเดียแล็บ โดยประมวลผลการฝังตัวแทนอีโมจิจากโพสต์บนทวิตเตอร์ 1.2 พันล้านโพสต์[53] หากพรอมต์มีบริบทเพิ่มเติมซึ่งระบุด้วยเครื่องหมายขีดตั้ง บริบทเพิ่มเติมหลังเครื่องหมายจะใช้เป็นตัวกำหนดบริบททางอารมณ์[91] ตัวอย่างเช่น หากป้อน Today is a great day!|I'm very sad. ตัวละครที่เลือกจะพูดประโยค "Today is a great day!" ซึ่งหมายถึง "วันนี้เป็นวันที่ยอดเยี่ยม!" ด้วยอารมณ์ที่คาดว่าจะได้ยินจากคนที่พูดว่า "I'm very sad." หรือ "ฉันเศร้ามาก"[92]

15.ai ใช้ข้อมูลการออกเสียงจาก Oxford Dictionaries API วิกิพจนานุกรม และ CMU Pronouncing Dictionary ซึ่งใช้การถอดเสียงทางสัทศาสตร์แบบ ARPABET ผู้ใช้สามารถป้อนการถอดเสียง ARPABET โดยใส่ชุดสัญลักษณ์หน่วยเสียงไว้ในวงเล็บปีกกาเพื่อแก้ไขการออกเสียงที่ผิด[53] ส่วนต่อประสานของ 15.ai ใช้สีเพื่อบ่งชี้ระดับความแน่นอนในการออกเสียง[53] และยังแสดงตัวชี้วัดทางเทคนิค กราฟ และข้อมูลวิเคราะห์แบบจำลองอย่างครอบคลุม ซึ่งรวมถึงการวิเคราะห์ความรู้สึกและการปรับปรุงโวโคเดอร์โดยอัตโนมัติ[44] แพลตฟอร์มจำกัดความยาวของพรอมต์ไว้ที่ 200 อักขระ โดยผู้ใช้สามารถนำผลลัพธ์จากการสร้างเสียงหลายครั้งมาต่อกันเพื่อให้ได้เสียงพูดที่ยาวขึ้น[93]

15.ai รุ่นหลังเพิ่มความสามารถในการรองรับผู้พูดหลายคน แทนที่จะฝึกแบบจำลองแยกสำหรับเสียงแต่ละเสียง 15.ai ใช้แบบจำลองเดียวที่เรียนรู้หลายเสียงพร้อมกันผ่านการฝังตัวแทนผู้พูด ซึ่งเป็นตัวแทนเชิงตัวเลขที่บันทึกลักษณะเสียงเฉพาะของตัวละครแต่ละตัว[94] เมื่อทำงานร่วมกับบริบททางอารมณ์จาก DeepMoji วิธีนี้ทำให้แบบจำลองการเรียนรู้เชิงลึกสามารถเรียนรู้รูปแบบร่วมในการแสดงอารมณ์และลักษณะการพูดของตัวละครต่าง ๆ แม้ข้อมูลฝึกสอนของตัวละครจะไม่มีตัวอย่างอารมณ์บางอย่างก็ตาม[95]

ผลงานของแฟนคลับและการประยุกต์ใช้

[แก้]
วิดีโอหลายคลิปจากแหล่งข้อมูลภายนอก
ตราสัญลักษณ์ซีเอ็นเอ็น
15 มกราคม ค.ศ. 2021
video icon รายการข่าวของซีเอ็นเอ็นที่นำเสนอวิดีโอไวรัลซึ่งใช้ 15.ai แทนที่การปรากฏตัวรับเชิญของดอนัลด์ ทรัมป์ใน Home Alone 2 ด้วยเฮฟวีเวพอนส์กายจาก ทีมฟอร์เทรส 2 (ปรากฏประมาณนาทีที่ 1:16)[96]

ผลงานของแฟนคลับที่ใช้ 15.ai สำหรับการพากย์เสียงประกอบด้วยละครสั้นและแอนิเมชันของแฟนคลับ[97] เนื้อหาครอสโอเวอร์[98] การสร้างวิดีโอไวรัลขึ้นใหม่[99] การดัดแปลงแฟนฟิกชัน[44] มิวสิกวิดีโอ และบทประพันธ์ดนตรี[44] ผู้สร้างเนื้อหาเกี่ยวกับ ทีมฟอร์เทรส 2 ใช้แพลตฟอร์มเป็นประจำเพื่อสร้างทั้งมีมขนาดสั้นและแอนิเมชันที่มีเรื่องราวซับซ้อนโดยใช้ Source Filmmaker[100]

วิดีโอหลายคลิปจากแหล่งข้อมูลภายนอก
ตราสัญลักษณ์ยูทูบ
15 มกราคม ค.ศ. 2021
video icon "Spy's Confession" ละครสั้นที่สร้างด้วย Source Filmmaker ซึ่งเดโมแมนพบภาพวาดเฟอร์โซนาของสปาย[53]

PC Gamer นำเสนอตัวละครจาก ทีมฟอร์เทรส 2 ที่พากย์ฉากจาก Thomas the Tank Engine ใหม่และโต้เถียงกันระหว่างเล่น อะมองอัส[100] ขณะที่ United Daily News นำเสนอการสร้างวิดีโอ ทีมฟอร์เทรส 2 ชื่อ "The Heavy Is Dead" ขึ้นใหม่ และการล้อเลียนฉากไวรัล "Lamar roasts Franklin" จาก แกรนด์เธฟต์ออโต V[83] Kotaku นำเสนอวิดีโอล้อเลียนตัวแทนจำหน่ายรถยนต์ "Big Bill Hell's Cars" รุ่นที่บรรยายโดยสพันจ์บ็อบ สแควร์แพนส์[101] และ Game Informer นำเสนอครอสโอเวอร์ระหว่าง พอร์ทัล กับ แมสเอฟเฟกต์ ที่ผู้เขียนบทความสร้างขึ้นเอง[98] AUTOMATON นำเสนอวิดีโอ ทีมฟอร์เทรส 2 หลายเรื่องที่สร้างด้วย 15.ai เรื่องหนึ่งใช้ Source Filmmaker ทำแอนิเมชันละครสั้นที่สร้างเสียงด้วย 15.ai โดยเดโมแมนเผชิญหน้ากับสปายหลังพบภาพวาดเฟอร์โซนาหมาป่าของสปาย อีกเรื่องพากย์ฉากอ่านการ์ดจากภาพยนตร์สั้น Team Fortress เรื่อง Expiration Date ใหม่ โดยปรับให้เป็นสปายกำลังตรวจดูสิ่งที่ผู้ใช้สร้างด้วย 15.ai และหงุดหงิดมากขึ้นเมื่อทุกตัวอย่างเกี่ยวข้องกับเฟอร์โซนา รวมถึงเฟอร์โซนาของตนเอง[53] ผลงานของแฟนคลับบางชิ้นได้รับความสนใจจากสื่อกระแสหลัก โดยวิดีโอไวรัลที่แทนที่การปรากฏตัวรับเชิญของดอนัลด์ ทรัมป์ใน โดดเดี่ยวผู้น่ารัก 2 ตอน หลงในนิวยอร์ค ด้วยเสียงเฮฟวีเวพอนส์กายที่สร้างด้วยปัญญาประดิษฐ์ ได้รับการนำเสนอในช่วงรายการกลางวันของซีเอ็นเอ็นในเดือนมกราคม ค.ศ. 2021[96]

วิดีโอหลายคลิปจากแหล่งข้อมูลภายนอก
ตราสัญลักษณ์ยูทูบ
21 กันยายน ค.ศ. 2020
video icon "Among Us Struggles" แอนิเมชันครอสโอเวอร์ไวรัลระหว่าง Friendship Is Magic กับ Among Us[102]

15.ai ยังถูกใช้เป็นประจำในกลุ่มแฟนคลับ มายลิตเติ้ลโพนี่ ในเดือนมีนาคม ค.ศ. 2020 กิจกรรมของ Equestria Daily สำหรับเสียงโพนีที่สร้างขึ้นได้รับผลงานส่งเข้าร่วมหลายสิบชิ้น ซึ่งรวมถึงการพากย์ตอนต่าง ๆ ใหม่ การล้อเลียนโฆษณา การอ่านวรรณกรรม การร้องเพลงและแร็ปคัฟเวอร์ ครอสโอเวอร์ และละครสั้นต้นฉบับ[103] ผลงานในเวลาต่อมาที่ Equestria Daily นำเสนอ ได้แก่ วิดีโอเล่นแฟนเกมสยองขวัญ Story of the Blanks จนจบโดยใช้เสียงจาก 15.ai[104] แอนิเมชันครอสโอเวอร์ไวรัลระหว่าง Friendship Is Magic กับ Among Us ชื่อ "Among Us Struggles"[102] และ "The Tax Breaks" ซึ่งเป็นตอนที่แฟนคลับสร้างขึ้น มีความยาว 17 นาที และพากย์เสียงครบทั้งเรื่อง[105]

วิดีโอหลายคลิปจากแหล่งข้อมูลภายนอก
ตราสัญลักษณ์ยูทูบ
13 พฤษภาคม ค.ศ. 2022
video icon "The Tax Breaks" ตอนของ Friendship Is Magic ที่แฟนคลับสร้างขึ้น มีความยาว 17 นาที[44]

ผู้ใช้บางคนสร้างผู้ช่วยเสมือนโดยใช้เสียงที่สร้างด้วย 15.ai[106] ในโครงการหนึ่งที่มีการบันทึกไว้ แฟนเกม พอร์ทัล ใช้ 15.ai สร้างเสียงของกลาดอสให้กับ แอมะซอนเอคโคที่ดัดแปลงขึ้นและติดตั้งไว้ในแบบจำลองศีรษะของตัวละครที่สมจริง ซึ่งผลิตด้วยการพิมพ์สามมิติและประกอบด้วยชิ้นส่วนที่ออกแบบเฉพาะมากกว่า 200 ชิ้น ผู้ช่วยเสมือนดังกล่าวถูกตั้งโปรแกรมให้ตอบคำขอบางอย่างด้วยบทพูดของกลาดอสที่สร้างด้วย 15.ai[107] อีกกรณีหนึ่ง Denfaminico Gamer รายงานการสาธิตที่แฟนคลับสร้างขึ้นโดยผสาน 15.ai กับซอฟต์แวร์สั่งงานด้วยเสียง VoiceAttack เพื่อใช้กลาดอสเป็นผู้ช่วยควบคุมคอมพิวเตอร์[108]

การตอบรับ

[แก้]

การตอบรับจากนักวิจารณ์

[แก้]

นักวิจารณ์อธิบายว่า 15.ai ใช้งานง่ายและโดยทั่วไปสามารถจำลองเสียงตัวละครได้อย่างสมจริง แม้บางครั้งผลลัพธ์จะมีทั้งดีและไม่ดี[109] ลีอานา รูเพิร์ต จาก Game Informer อธิบายว่า 15.ai "ยอดเยี่ยมอย่างเรียบง่าย" และชื่นชมความสะดวกในการใช้งาน[98] นาตาลี เคลย์ตัน จาก PC Gamer เขียนว่าสามารถจำลองเสียงสพันจ์บ็อบ สแควร์แพนส์ได้ดี แต่กล่าวถึงความยากในการเลียนแบบเสียงผู้บรรยายจาก เดอะสแตนลีย์พาราเบิล ว่า "ขั้นตอนวิธีไม่สามารถถ่ายทอดทำนองเสียงอันขี้เล่นและตลกหน้าตายของเคแวน ไบรติงได้"[100] แซ็ก ซวีเซน จาก Kotaku รายงานว่า "แฟนสาว[ของเขา]เชื่อว่าเป็นบทพูดใหม่จากนักพากย์เสียงกลาดอส"[101] หนังสือพิมพ์ไต้หวัน United Daily News ยังเน้นถึงความสามารถของ 15.ai ในการสร้างเสียงเชิงกลของกลาดอสขึ้นใหม่ พร้อมกับตัวเลือกเสียงตัวละครที่หลากหลาย[110] มาร์โก โกโกเมลโล จาก GLITCHED กล่าวว่าถึงแม้จะมีข้อจำกัดที่ 200 อักขระ ผลลัพธ์ก็ทำให้เขา "ทึ่ง" เมื่อทดลองแอปพลิเคชันด้วยเสียงของกลาดอส[111]

คาร์ล โยฮันส์สัน-ซุนเดลิอุส จาก FZ เขียนว่าเทคโนโลยีเบื้องหลัง 15.ai "น่าประทับใจ อย่างน้อยที่สุดก็ต้องกล่าวเช่นนั้น" และยอมรับความหลากหลายทางเทคนิคของแบบจำลองต่าง ๆ ที่ใช้สร้างเสียง[112] คริส บัตตัน จาก Byteside เรียกความสามารถในการโคลนเสียงด้วยข้อมูลเพียง 15 วินาทีว่า "ชวนขนลุก" และยังอธิบายว่าเทคโนโลยีเบื้องหลังนั้น "น่าประทับใจ"[113] โรแบ็ง ลามอร์แลต จาก Clubic อธิบายว่าเทคโนโลยีนี้ "สนุกอย่างร้ายกาจ" และเขียนว่าทวิตเตอร์กับยูทูบเต็มไปด้วยเนื้อหาสร้างสรรค์จากผู้ใช้ที่ทดลองเครื่องมือนี้[114]

ความสามารถในการสร้างเสียงของแพลตฟอร์มได้รับการนำเสนอบน Equestria Daily เป็นประจำ โดยมีการบันทึกการปรับปรุง ผลงานของแฟนคลับ และการเพิ่มเสียงตัวละครใหม่ ในโพสต์ที่แนะนำตัวละครใหม่ที่เพิ่มเข้ามาใน 15.ai ชอน สโกเทลลาโร ผู้ก่อตั้ง Equestria Daily เขียนว่า "[เสียง]บางเสียงยังไม่ดีนักเพราะไม่มีตัวอย่างเพียงพอให้ใช้ แต่หลายเสียงก็ยังน่าประทับใจมากอยู่ดี"[103] เว็บไซต์แฟนคลับ มายลิตเติ้ลโพนี่ ภาษาจีน EquestriaCN ก็บันทึกพัฒนาการและการปรับปรุงของ 15.ai เช่นกัน แต่วิจารณ์บั๊กบางอย่างและระยะเวลารอคิวที่ยาวนาน[115]

ปีเตอร์ พอลทริดจ์ จาก Anime Superhero News แสดงความคิดเห็นว่า "การสังเคราะห์เสียงพัฒนาไปจนถึงจุดที่ระบบซึ่งใช้ต้นทุนสูงกว่านั้นแทบแยกไม่ออกจากเสียงพูดของมนุษย์จริง ๆ" แต่ยังกล่าวว่า "ในบางแง่มุม SAM ยังล้ำหน้ากว่านี้ เราสามารถปรับการขึ้นลงของเสียง SAM ด้วยอักขระพิเศษ รวมทั้งเปลี่ยนระดับเสียงได้ตามต้องการ แต่กับ 15.ai คุณต้องยอมรับการขึ้นลงของเสียงแบบสุ่มที่ได้รับ"[116] ในทางกลับกัน ลอเรน มอร์ตัน จาก Rock, Paper, Shotgun ชื่นชมความละเอียดของการควบคุมการออกเสียง "หากคุณยินดีลงลึกไปในรายละเอียด"[117] ในทำนองเดียวกัน เอวเคนิโอ โมโต จาก Qore.com เขียนว่า "ผู้ใช้ที่มีประสบการณ์มากที่สุดสามารถเปลี่ยนพารามิเตอร์ เช่น การลงน้ำหนักเสียงหรือน้ำเสียงได้"[118] อัลบาโร อิบัญเญซ นักเขียนชาวสเปน เขียนใน Microsiervos ว่าจังหวะของเสียงที่ปัญญาประดิษฐ์สร้างขึ้นนั้น "น่าสนใจ" และ 15.ai สามารถปรับวิธีถ่ายทอดเสียงตามความหมายของข้อความได้[119] อมายา โตมาโนวา จาก Letem světem Applem อธิบายว่าการสร้างเสียงของ 15.ai "รวดเร็วปานสายฟ้า" และเน้นความสามารถในการใช้อีโมจิเป็นส่วนหนึ่งของพรอมต์ โดยเรียกคุณลักษณะนี้ว่า "น่าสนใจ" เช่นกัน[120]

ผู้สื่อข่าวหลายคนวิจารณ์การไม่รองรับภาษาอื่นนอกเหนือจากภาษาอังกฤษ ทากายูกิ ฟูรูชิมะ จาก Den Fami Nico Gamer เน้นถึง "การออกเสียงที่ลื่นไหล" และยูกิ คูโรซาวะ จาก AUTOMATON เขียนว่า "การแสดงอารมณ์ที่หลากหลาย" เป็นคุณลักษณะสำคัญ โดยผู้เขียนชาวญี่ปุ่นทั้งสองคนกล่าวถึงการไม่รองรับภาษาญี่ปุ่น[121] เรนัน ดู ปราดู จาก Arkade และโฆเซ บิยาโลโบส จาก LaPS4 กล่าวว่าผู้ใช้สามารถสร้างผลลัพธ์ที่ชวนขบขันในภาษาโปรตุเกสและภาษาสเปนตามลำดับได้ แต่การสร้างเสียงทำงานได้ดีที่สุดในภาษาอังกฤษ[122] เว็บไซต์ข่าวเกมภาษาจีน GamerSky เรียกแอปพลิเคชันนี้ว่า "น่าสนใจ" แต่ยังวิจารณ์การจำกัดจำนวนคำของข้อความและการขาดการขึ้นลงของเสียงในบางครั้ง[123] Yahoo! News Taiwan รายงานว่า "กลาดอสใน พอร์ทัล สามารถออกเสียงบทพูดได้เกือบสมบูรณ์แบบ" แต่ยังวิจารณ์ว่า "ยังมีข้อบกพร่องอีกมาก เช่น การจำกัดจำนวนคำและการควบคุมน้ำเสียง ซึ่งยังฟังแปลกเล็กน้อยในบางคำ"[124]

การตอบรับด้านเทคนิค

[แก้]
ตัวอย่างการแปลงข้อความ "daisy bell" เป็นเสียงพูด โดยเริ่มจากอักขรวิธีภาษาอังกฤษ คำภาษาอังกฤษถูกแยกเป็นชุดหน่วยเสียง ARPABET แล้วส่งผ่านตัวทำนายระดับเสียงและตัวสร้างเมลสเปกโทรแกรมเพื่อสร้างเสียง

นักวิจัยและผู้ปฏิบัติงานด้านปัญญาประดิษฐ์ให้การวิเคราะห์ที่ละเอียดขึ้นเกี่ยวกับความสามารถและข้อจำกัดของ 15.ai เมื่อเทียบกับเทคโนโลยีแปลงข้อความเป็นเสียงพูดอื่นในช่วงเวลานั้น อเล็กซ์ เออร์แพน นักวิทยาศาสตร์วิจัยอาวุโสของกูเกิลดีปไมนด์ เขียนว่าเมื่อ 15.ai เปิดตัวใน ค.ศ. 2020 อาจกล่าวได้ว่าเป็น "แบบจำลองสร้างเสียงที่มีคุณภาพสูงที่สุดในโลก" และเหนือกว่าแบบจำลองที่พัฒนาโดย Google AI[125] ในคำอธิบายว่าเหตุใดจึงลอกเลียนผลงานจาก 15.ai Voiceverse เขียนว่า "เสียงที่ดีที่สุดที่[ทีมการตลาดของบริษัท]หาได้ไม่ใช่[ของบริษัท] แต่เป็น[ของ] 15.ai"[126] ริโอนัลดี จันทราเซตา จาก Towards Data Science เขียนว่าแบบจำลองเสียงที่ฝึกด้วยชุดข้อมูลขนาดใหญ่กว่าสร้างผลลัพธ์ที่สมจริงกว่า โดยมีการแบ่งวลีและการเว้นจังหวะที่เป็นธรรมชาติกว่า โดยเฉพาะเมื่อข้อความยาว[86] พาร์ธ มาเฮนดรา จาก AI Daily เขียนว่าแม้ระบบจะ "ทำได้ดีในการจำลองคำพื้นฐานส่วนใหญ่อย่างถูกต้อง" แต่ก็มีปัญหากับคำที่ซับซ้อนกว่า โดยสังเกตว่าตัวละครจะ "ออกเสียงผิดเละเทะอย่างสิ้นเชิง" ในบางคำ[55] แดน รูตา ผู้สร้างเครื่องมือปัญญาประดิษฐ์เสียงแบบดาวน์โหลดชื่อ xVASynth เขียนว่าเมื่อเปรียบเทียบกันแล้ว เครื่องมือที่ทำงานบนคลาวด์อย่าง 15.ai มีข้อได้เปรียบตรงที่เข้าถึงได้จากอุปกรณ์ทุกชนิด[127] ไทเลอร์ โคเวน นักเศรษฐศาสตร์และผู้แสดงความคิดเห็นด้านปัญญาประดิษฐ์ ยก 15.ai เป็นหนึ่งในตัวอย่างของผู้มีความสามารถด้านปัญญาประดิษฐ์และการเรียนรู้ของเครื่องที่ได้รับการประเมินค่าต่ำกว่าความเป็นจริง[128]

นักวิจัยปัญญาประดิษฐ์ชาวจีนก็เสนอการประเมินทางเทคนิคหลายแง่มุมเช่นกัน หลี่ หย่งเฉียง ศาสตราจารย์ด้านการเรียนรู้ของเครื่อง เขียนว่า 15.ai "รักษาจังหวะและลักษณะเฉพาะของผู้พูดได้อย่างสมบูรณ์แบบ" และกล่าวว่าแอปพลิเคชันยังคงให้บริการฟรี แม้ขณะเขียนจะมีผู้สร้างเสียงพร้อมกัน 5,000 คน[129] ไป๋ เฟิง จาก XinZhiYuan บน QQ News เน้นความสำเร็จทางเทคนิคของ 15.ai ที่ให้ผลลัพธ์คุณภาพสูงแม้ใช้ข้อมูลฝึกสอนเพียงเล็กน้อย และเขียนว่ามีคุณภาพสูงกว่าระบบแปลงข้อความเป็นเสียงพูดด้วยการเรียนรู้เชิงลึกทั่วไปอย่างมีนัยสำคัญ เฟิงยังยอมรับว่าแม้จะมีข้อผิดพลาดในการออกเสียงบางอย่างเนื่องจากข้อมูลฝึกสอนมีจำกัด แต่ก็เป็นเรื่องเข้าใจได้ เนื่องจากแบบจำลองการเรียนรู้เชิงลึกร่วมสมัยโดยทั่วไปต้องใช้เสียง 40 ชั่วโมงขึ้นไป[130] จี ยุนโย จาก NetEase News เรียกเทคโนโลยีเบื้องหลัง 15.ai ว่า "มีประสิทธิภาพอย่างน่าทึ่ง" แต่ก็วิจารณ์ข้อจำกัดด้านอารมณ์ โดยเขียนว่าการแสดงอารมณ์ค่อนข้าง "เป็นกลาง" และไม่สามารถสังเคราะห์อารมณ์ที่ "สุดขั้ว" ได้อย่างเหมาะสม จึงเหมาะกับการใช้งานในเนื้อหาไม่เหมาะสำหรับเปิดในที่ทำงานน้อยกว่า[131] จียังเขียนว่า ขณะที่วิดีโอดีปเฟกจำนวนมากต้องให้ผู้สร้างดึงและตัดต่อเนื้อหาจากต้นฉบับหลายชั่วโมงเพื่อให้ได้ผลลัพธ์สั้นมาก 15.ai สามารถให้ผลใกล้เคียงกันหรือดีกว่าได้โดยใช้ข้อมูลฝึกสอนเพียงไม่กี่สิบนาทีต่อตัวละคร[132]

ปฏิกิริยาของนักพากย์ตัวละครที่ปรากฏในแพลตฟอร์ม

[แก้]
เอลเลน แม็กเลน ผู้ให้เสียงกลาดอสใน พอร์ทัล และจอห์น แพทริก โลว์รี ผู้ให้เสียงสไนเปอร์ใน ทีมฟอร์เทรส 2 ให้สัมภาษณ์ใน The VŌC Podcast เมื่อ ค.ศ. 2021 เกี่ยวกับมุมมองของตนต่อ 15.ai และเทคโนโลยีการสังเคราะห์เสียงด้วยปัญญาประดิษฐ์

นักพากย์บางคนซึ่งตัวละครของตนปรากฏบน 15.ai ได้แสดงความคิดเห็นเกี่ยวกับแพลตฟอร์มต่อสาธารณะ ในการสัมภาษณ์เมื่อเดือนเมษายน ค.ศ. 2021 จอห์น แพทริก โลว์รี ผู้ให้เสียงสไนเปอร์ใน ทีมฟอร์เทรส 2 กล่าวว่าได้รู้จัก 15.ai เมื่อผู้สมัครฝึกงานหญิงคนหนึ่งนำละครสั้นที่เธอสร้างด้วยเสียงปัญญาประดิษฐ์ของตัวละคร ทีมฟอร์เทรส 2 มาให้ดู[video 3]: 0:51:50  โลว์รีกล่าวว่า:

เทคโนโลยีนี้ยังต้องพัฒนาอีกมากกว่าที่คุณจะเชื่อจริง ๆ ว่าเสียงเหล่านี้เป็นเพียงเสียงของมนุษย์ แต่ผมประทับใจที่ [15.ai] ทำได้มากขนาดนี้ [...] แน่นอนว่าคุณไม่ได้วิธีถ่ายทอดบทพูดแบบเดียวกับคนจริง ๆ ที่วิเคราะห์ฉากมาแล้ว [...] แต่ผมคิดว่าในฐานะทรัพยากรสำหรับแฟน ๆ สำหรับคนที่อยากทำม็อดและอะไรทำนองนั้น การได้ใช้เสียงของตัวละครที่ชอบก็น่าจะสนุกสำหรับแฟน ๆ[video 3]: 0:53:12 

เขาเปรียบเทียบกับดนตรีสังเคราะห์ โดยกล่าวเพิ่มเติมว่า:

ถ้าคุณต้องการเสียงคณะนักร้องประสานเสียง และต้องการเสียงวงออร์เคสตรา และคุณมีเงิน คุณก็จ้างคณะนักร้องประสานเสียงและวงออร์เคสตรา แต่ถ้าคุณไม่มีเงิน คุณก็มีสิ่งที่ฟังดูดีทีเดียว แต่ก็ไม่เหมือนกับคณะนักร้องประสานเสียงและวงออร์เคสตรา[video 3]: 1:01:10 

ในการถ่ายทอดสดบนช่องทวิตช์ของตนเมื่อ ค.ศ. 2021 เนธาน เวตเทอร์ไลน์ นักพากย์ผู้ให้เสียงสเกาต์จาก ทีมฟอร์เทรส 2 ฟังเสียงตัวละครของตนที่สร้างขึ้นใหม่ด้วยปัญญาประดิษฐ์ และแสดงความคิดเห็นว่า "น่าสนใจนะ ก็ใช้ได้ มีบางอย่างที่น่าสนใจอยู่ในนั้น"[video 4]

ข้อกังวลด้านจริยธรรม

[แก้]

นักพากย์คนอื่นมีปฏิกิริยาหลากหลายต่อความสามารถของ 15.ai ขณะที่ผู้ประกอบวิชาชีพบางคนในอุตสาหกรรมยอมรับนวัตกรรมทางเทคนิค คนอื่นแสดงความกังวลเกี่ยวกับผลกระทบของเทคโนโลยีต่อวิชาชีพของตน[133] เมื่อนักพากย์ทรอย เบเกอร์ประกาศความร่วมมือกับ Voiceverse NFT ซึ่งนำเทคโนโลยีของ 15.ai ไปใช้โดยมิชอบ ผู้วิจารณ์แสดงความกังวลว่าการพากย์เสียงอัตโนมัติอาจลดโอกาสการจ้างงานของนักพากย์ มีความเสี่ยงที่จะเกิดการปลอมเสียงเพื่อแอบอ้างบุคคล และอาจถูกนำไปใช้ในทางที่ผิดในเนื้อหาทางเพศอย่างโจ่งแจ้ง[134] รูบี อินเนส จาก Kotaku Australia เขียนว่า "การปฏิบัติเช่นนี้อาจทำให้นักพากย์ตกงานได้ เพราะคุณสามารถใช้เสียงปัญญาประดิษฐ์ของพวกเขาแทนที่จะจ้างพวกเขามาพากย์เสียงให้โครงการและจ่ายค่าตอบแทน"[14] ในการรายงานข้อขัดแย้งของ Voiceverse อีดิธ เวคลิน-คิง จาก Checkpoint Gaming แสดงความกังวลว่า "เทคโนโลยีลักษณะนี้อาจทำให้นักพากย์ตกงานได้ หากการใช้เสียงปัญญาประดิษฐ์ง่ายและถูกกว่าการทำงานกับนักพากย์โดยตรง"[31]

แม้ 15.ai จะจำกัดขอบเขตไว้ที่ตัวละครสมมติและไม่จำลองเสียงของบุคคลจริงหรือบุคคลมีชื่อเสียง[53] แอนดรูว์ อึง นักวิทยาการคอมพิวเตอร์ แสดงความคิดเห็นว่าเทคโนโลยีคล้ายกันอาจใช้ทำเช่นนั้นได้ รวมถึงเพื่อจุดประสงค์ที่ประสงค์ร้าย[52] ในการประเมิน 15.ai เมื่อ ค.ศ. 2020 อึงกล่าวถึงการประยุกต์ใช้การโคลนเสียงที่อาจ "ก่อให้เกิดประโยชน์มหาศาล" เช่น การปฏิวัติการใช้นักแสดงเสมือนในฮอลลีวูด การเปิดให้นักพากย์มีส่วนร่วมในการผลิตการ์ตูนและหนังสือเสียงได้มากขึ้น และการเปิดให้ผู้สร้างเนื้อหาใช้เสียงสังเคราะห์ของบุคคลมีชื่อเสียงบรรยายบทของตน[52] อย่างไรก็ตาม เขายังเตือนว่าการสังเคราะห์เสียงของมนุษย์โดยไม่ได้รับความยินยอมก่อให้เกิดข้อกังวลด้านจริยธรรมและอาจมีปัญหาทางกฎหมาย รวมทั้งเตือนเพิ่มเติมว่าเทคโนโลยีอาจถูกใช้โดยประสงค์ร้ายเพื่อแอบอ้างบุคคลทั่วไป[52]

อิทธิพลสืบเนื่อง

[แก้]

15.ai เป็นหนึ่งในแอปพลิเคชันปัญญาประดิษฐ์แบบรู้สร้างกลุ่มแรกที่มีการใช้งานอย่างแพร่หลาย[135][136] และเป็นแอปพลิเคชันดีปเฟกเสียงแรกที่มีการใช้งานอย่างแพร่หลาย[137][138] 15.ai ได้รับการยกย่องว่าทำให้การโคลนเสียงด้วยปัญญาประดิษฐ์เป็นที่นิยมในมีมอินเทอร์เน็ตและการสร้างเนื้อหา[a] โดยเฉพาะด้วยความสามารถในการสร้างเสียงตัวละครที่สมจริงแบบเวลาจริงโดยไม่ต้องมีความเชี่ยวชาญทางเทคนิคมาก[139] แพลตฟอร์มมีผลกระทบอย่างมากเป็นพิเศษต่อชุมชนแฟนคลับ เช่น กลุ่มแฟนคลับของ มายลิตเติ้ลโพนี่: มิตรภาพอันแสนวิเศษ พอร์ทัล ทีมฟอร์เทรส 2 และ สพันจ์บ็อบ สแควร์แพนส์ โดยเปิดทางให้สร้างเนื้อหาไวรัลที่มียอดชมหลายล้านครั้งบนสื่อสังคม[140]

ความนิยมและความสำเร็จของ 15.ai ทำให้ผู้สร้าง 15 กลายเป็นบุคคลที่มีชื่อเสียง อเล็กซ์ เออร์แพน นักวิทยาศาสตร์วิจัยอาวุโสของกูเกิลดีปไมนด์ อธิบายว่า 15 เป็นหนึ่งในบุคคลที่มีชื่อเสียงที่สุดในกลุ่มแฟนคลับโบรนี ซึ่งสถานะนี้เรียกว่า "horse famous" ในภาษาที่ใช้ในกลุ่มแฟนคลับโบรนี โดยระบุว่าสถานะดังกล่าวมาจากคุณภาพสูงของ 15.ai การเปิดให้ใช้งานฟรี และความเต็มใจของ 15 ที่จะรับผิดชอบค่าใช้จ่ายในการดำเนินงานหลายพันดอลลาร์ต่อเดือนด้วยตนเอง[125] อิทธิพลของแพลตฟอร์มนับตั้งแต่เปิดตัวได้รับการยอมรับต่อสาธารณะ โดยมีบริการทางเลือกเชิงพาณิชย์ เช่น ElevenLabs[c] และ Speechify เกิดขึ้นเพื่อเติมช่องว่างหลังจากการปิดให้บริการครั้งแรก[142] บริษัทปัญญาประดิษฐ์สร้างเสียงร่วมสมัยหลายแห่งยอมรับบทบาทผู้บุกเบิกของ 15.ai[125]

15.ai วางแบบอย่างทางเทคนิคที่มีอิทธิพลต่อพัฒนาการด้านการสังเคราะห์เสียงด้วยปัญญาประดิษฐ์ในเวลาต่อมา และเป็นหนึ่งในผลลัพธ์ที่จริงจังและมีผลกระทบสำคัญที่สุดจากการทดลองยุคแรกในการนำปัญญาประดิษฐ์มาใช้สังเคราะห์เสียง[143] การผสาน DeepMoji เพื่อวิเคราะห์อารมณ์แสดงให้เห็นความเป็นไปได้ในการนำการสร้างเสียงพูดที่รับรู้ความรู้สึกมาใช้[144] ขณะที่การรองรับการถอดเสียงทางสัทศาสตร์แบบ ARPABET วางมาตรฐานสำหรับการควบคุมการออกเสียงอย่างแม่นยำในเครื่องมือสังเคราะห์เสียงที่เปิดให้สาธารณชนใช้งาน[43] แบบจำลองผู้พูดหลายคนของแพลตฟอร์ม ซึ่งรองรับการฝึกเสียงตัวละครที่หลากหลายพร้อมกัน ทำให้ระบบสามารถจดจำรูปแบบอารมณ์ข้ามเสียงต่าง ๆ ได้ แม้ชุดข้อมูลฝึกสอนของตัวละครแต่ละตัวจะไม่มีอารมณ์บางอย่างก็ตาม[95]

15.ai ยังมีส่วนช่วยลดปริมาณข้อมูลฝึกสอนที่จำเป็นสำหรับการสังเคราะห์เสียงพูด แบบจำลองร่วมสมัย เช่น Tacotron 2 ต้องใช้เสียงหลายสิบชั่วโมงเพื่อให้ได้ผลลัพธ์ที่ยอมรับได้ และไม่สามารถสร้างเสียงพูดที่ฟังเข้าใจได้เมื่อมีข้อมูลฝึกสอนน้อยกว่า 24 นาที[40] ในทางตรงกันข้าม 15.ai แสดงให้เห็นว่าสามารถสร้างเสียงพูดโดยใช้ข้อมูลฝึกสอนน้อยกว่ามาก ชื่อ "15.ai" อ้างถึงคำกล่าวของผู้สร้างที่ว่าสามารถโคลนเสียงได้ด้วยข้อมูลเพียง 15 วินาที[43] เกณฑ์ 15 วินาทีกลายเป็นจุดอ้างอิงสำหรับระบบสังเคราะห์เสียงในเวลาต่อมา โดยคำกล่าวเดิมที่ว่าต้องใช้ข้อมูลเพียง 15 วินาทีเพื่อโคลนเสียงมนุษย์ได้รับการยืนยันสนับสนุนจากโอเพนเอไอใน ค.ศ. 2024[145]

ดูเพิ่ม

[แก้]

หมายเหตุ

[แก้]
  1. 1 2 แหล่งข้อมูลที่ยกย่องแพลตฟอร์มในลักษณะนี้โดยเฉพาะ ได้แก่ Rock Paper Shotgun,[3] Clubic,[4] GLITCHED,[5] United Daily News,[6] Analytics India Magazine,[7] Inverse,[8] Speechify,[9] The Guardian ซึ่งเป็นหนังสือพิมพ์ไนจีเรีย,[10] Independent Nigeria,[11] และอเล็กซ์ เออร์แพน[12]
  2. ↑ รวมถึงสำนักข่าวต่อไปนี้: The Mary Sue,[13] Kotaku Australia,[14] Eurogamer,[15] NME,[16] Muropaketti,[17] Gamereactor,[18] Web3 Is Going Just Great,[19] StopGame,[20] iXBT Games,[21] DTF,[22] Sport.es,[23] FZ,[24] AI Incident Database,[25] AI, Algorithmic, and Automation Incidents and Controversies,[26] The Journal,[27] LevelUp,[28] Stevivor,[29] PlayStation Universe,[30] Checkpoint Gaming,[31] Tech Times,[32] Mobidictum,[33] OtakuPT,[34] Gamebrott,[35] GameGuru,[36] Shazoo,[37] และ Geek Culture[38]
  3. ↑ ซึ่งใช้ "11.ai" เป็นชื่อทางเลือกตามกฎหมายสำหรับโดเมนเว็บไซต์[141]

อ้างอิง

[แก้]

การอ้างอิง

[แก้]
  1. ↑ Dataetisk Råd 2025, p. 14.
  2. ↑ Niraula, Shotande & El Naqa 2025.
  3. ↑ Morton 2021: "Machine learning is absolutely fascinating and yet I mostly just enjoy when people use impressive tech to create weird skits and memes. That's exactly what everyone appears to be doing with an extremely impressive machine-learning tool that lets you type in text for various characters to say out loud. [...] It's made possible by the text to speech algorithm 15.ai that studies clips of characters and uses deep-learning to make those characters say whatever the heck you want."
  4. ↑ Lamorlette 2021a: "Vous avez toujours rêvé de faire dire n'importe quoi à vos personnages de jeux vidéo préférés (ou détestés) ? Le site 15.ai l'a fait !" (แปลว่า "Have you always dreamed of making your favorite (or hated) video game characters say anything? 15.ai has finally made it happen!")
  5. ↑ Cocomello 2021: "However, back then if you wanted to create your own dialogue, it required layers of sound enhancements and tweaks. Thankfully, the world has evolved and now thanks to the 15.ai app, we can make [...] popular characters say whatever we want"
  6. ↑ MrSun 2021: "大家是否都曾經想像過，假如能讓自己喜歡的遊戲或是動畫角色說出自己想聽的話，不論是名字、惡搞或是經典名言，都是不少人的夢想吧。不過來到 2021 年，現在這種夢想不再是想想而已，因為有一個網站通過 AI 生成的技術"，(แปลว่า "Have you ever imagined what it would be like if your favorite game or anime characters could say exactly what you want to hear? Whether it's names, parodies, or classic quotes, this is a dream for many. However, as we enter 2021, this dream is no longer just a fantasy, because there is a website that uses AI-generated technology,")
  7. ↑ VK 2023: "While AI voice memes have been around in some form since '15.ai' launched in 2020, [...]"
  8. ↑ Wright 2023: "AI voice tools used to create "audio deepfakes" have existed for years in one form or another, with 15.ai being a notable example."
  9. ↑ Weitzman 2023: "It gained popularity because it was the first AI voice platform that featured an assortment of fictional characters from a variety of media sources"
  10. ↑ Temitope 2024: "During this period, 15.ai earned credit for single-handedly popularizing AI voice cloning—often described as 'audio deepfakes'—in memes, viral content, and fan-driven media."
  11. ↑ Abisola 2025: "Many credit 15.ai as the first mainstream text-to-speech platform that truly made 'audio deepfakes' go viral,"
  12. ↑ Irpan 2025: "multiple startups credit 15.ai for creating the market they now compete in."
  13. ↑ Lawrence 2022.
  14. 1 2 3 Innes 2022.
  15. ↑ Phillips 2022.
  16. 1 2 Williams 2022.
  17. ↑ Muropaketti 2022.
  18. ↑ Groth-Anderson 2022.
  19. 1 2 White 2022.
  20. ↑ Skorich 2022.
  21. ↑ Piletsky 2022.
  22. ↑ Granger 2022.
  23. ↑ Baylos 2022.
  24. ↑ Myrén 2022.
  25. 1 2 Sonali 2022.
  26. 1 2 AIAAIC 2022.
  27. 1 2 Parker 2022.
  28. ↑ Rosas 2022.
  29. ↑ Wright 2022.
  30. ↑ Carcasole 2022.
  31. 1 2 Wakelin-King 2022.
  32. ↑ Henry 2022.
  33. ↑ Aktaş 2022.
  34. ↑ Archer 2022.
  35. ↑ Ifram 2022.
  36. ↑ Kuchkanov 2022.
  37. ↑ Коэн 2022.
  38. ↑ Toh 2022.
  39. ↑ Barakat, Turk & Demiroglu 2024.
  40. 1 2 Google 2018
  41. ↑ Kong, Kim & Bae 2020.
  42. ↑ Kim et al. 2020.
  43. 1 2 3 4 5 6 7 8 Temitope 2024.
  44. 1 2 3 4 5 6 Abisola 2025.
  45. ↑ Chandraseta 2021; Li 2021; Temitope 2024.
  46. ↑ Bukingolts 2025.
  47. ↑ Phillips 2022; Temitope 2024; Abisola 2025.
  48. ↑ Branwen 2020; MacKinlay 2026.
  49. ↑ Branwen 2020; Temitope 2024; MacKinlay 2026.
  50. ↑ "Examples". 2026-09-18. สืบค้นเมื่อ 2026-09-18.
  51. 1 2 "About". 15.ai (Official website). มีนาคม 2, 2020. สืบค้นเมื่อ ธันวาคม 23, 2024.{{cite web}}: CS1 maint: date auto-translated (ลิงก์)
  52. 1 2 3 4 Ng 2020.
  53. 1 2 3 4 5 6 7 Kurosawa 2021.
  54. ↑ Kurosawa 2021; Temitope 2024; Abisola 2025.
  55. 1 2 Mahendra 2020.
  56. ↑ Ruppert 2021; Abisola 2025.
  57. ↑ Temitope 2024; Abisola 2025.
  58. ↑ Innes 2022; Phillips 2022; Williams 2022; White 2022.
  59. ↑ Sonali 2022; AIAAIC 2022; Groth-Anderson 2022; Parker 2022; Phillips 2022; Kuchkanov 2022.
  60. ↑ Lopez 2022; Innes 2022; Piletsky 2022.
  61. ↑ Phillips 2022; Innes 2022; Toh 2022; Wakelin-King 2022; Muropaketti 2022; Ifram 2022; Williams 2022; AIAAIC 2022.
  62. ↑ Innes 2022; Коэн 2022; Myrén 2022; AIAAIC 2022.
  63. ↑ Phillips 2022; Myrén 2022; AIAAIC 2022.
  64. ↑ Wright 2022; Groth-Anderson 2022; Myrén 2022; Archer 2022; Williams 2022.
  65. ↑ Innes 2022; Enriquez 2022.
  66. ↑ Коэн 2022; Baylos 2022.
  67. ↑ Khibchenko 2022.
  68. ↑ Paul Lehrman and Linnea Sage, et al. v. LOVO, Inc., No. 1:24-cv-03770 , 38 (S.D.N.Y. 2024). “Separately, VoiceVerse has already been found to have stolen technology from another company. See Ule Lopez, WCCF Tech, "Voiceverse NFT Service Reportedly Uses Stolen Technology from 15ai," (Jan. 16, 2022), https://wccftech.com/voiceverse-nft-service-uses-stolen-technology-from-15ai/.”
  69. ↑ Lawrence 2022; Innes 2022; White 2022; Wakelin-King 2022.
  70. ↑ Wright 2022; White 2022; Carcasole 2022; Enriquez 2022.
  71. ↑ Parker 2022; Granger 2022.
  72. ↑ Staniszewski 2024; Temitope 2024; Eghosa 2025.
  73. ↑ Temitope 2024; Irpan 2025.
  74. ↑ Play.ht 2024.
  75. ↑ Weitzman 2023.
  76. ↑ Staniszewski 2024.
  77. ↑ "FAQ". 15.dev. 2025-05-18. ข้อมูลเก่าจากแหล่งเดิมเมื่อ 2025-10-01. สืบค้นเมื่อ 2025-05-18.
  78. ↑ Eghosa 2025.
  79. ↑ Scotellaro 2025.
  80. ↑ Williams 2022; Wright 2022; Innes 2022.
  81. ↑ Ibáñez 2022.
  82. ↑ Zwiezen 2021; Clayton 2021; Morton 2021; Ruppert 2021; Villalobos 2021; Furushima 2021; Kurosawa 2021; Cocomello 2021; Lamorlette 2021a; Phillips 2022.
  83. 1 2 遊戲 2021.
  84. ↑ Torkington 2020.
  85. ↑ Feng 2020.
  86. 1 2 Chandraseta 2021. อ้างอิงผิดพลาด: ป้ายระบุ <ref> ไม่สมเหตุสมผล มีนิยามชื่อ "FOOTNOTEChandraseta2021" หลายครั้งด้วยเนื้อหาต่างกัน
  87. ↑ Chandraseta 2021; Lamorlette 2021a.
  88. ↑ Stepanov 2024.
  89. ↑ Chandraseta 2021; Temitope 2024.
  90. ↑ Bukingolts 2025; Kurosawa 2021.
  91. ↑ Chandraseta 2021: "By adding a '|' after the original sentence and providing an extra sentence, we could control what emotion the original sentence will be spoken with. In other words, 'text_1|text_2' will produce a voice line of text_1 with the emotion of text_2."
  92. ↑ Chandraseta 2021: "because it could force the bot into generating previously unknown data, such as saying 'Today is a great day' with a sad or angry emotion"
  93. ↑ Cocomello 2021; Ruppert 2021.
  94. ↑ Stepanov 2024; Temitope 2024.
  95. 1 2 Kurosawa 2021; Temitope 2024.
  96. 1 2 Clayton 2021; CNN 2021; Moos 2021.
  97. ↑ Zwiezen 2021; Ruppert 2021; Kurosawa 2021; Abisola 2025.
  98. 1 2 3 Ruppert 2021.
  99. ↑ Zwiezen 2021; Morton 2021.
  100. 1 2 3 Clayton 2021.
  101. 1 2 Zwiezen 2021.
  102. 1 2 Scotellaro 2020b.
  103. 1 2 Scotellaro 2020a. อ้างอิงผิดพลาด: ป้ายระบุ <ref> ไม่สมเหตุสมผล มีนิยามชื่อ "FOOTNOTEScotellaro2020a" หลายครั้งด้วยเนื้อหาต่างกัน
  104. ↑ Scotellaro 2021.
  105. ↑ Scotellaro 2022; Abisola 2025.
  106. ↑ Furushima 2021; Lamorlette 2021b.
  107. ↑ Lamorlette 2021b.
  108. ↑ Furushima 2021.
  109. ↑ Clayton 2021; Ruppert 2021; Villalobos 2021; Cocomello 2021.
  110. ↑ 遊戲 2021: "目前「15.ai」的網頁上，提供了不少的音源，[...]除了《傳送門》之外，15.ai 網站目前也支援了許多來自遊戲、電影或動畫中的人物語音，" (แปลว่า "Currently, the \"15.ai\" website provides a lot of audio sources. [...] In addition to \"Portal\", the 15.ai website currently also supports voices for many characters from games, movies or animations.")
  111. ↑ Cocomello 2021.
  112. ↑ Johansson-Sundelius 2021.
  113. ↑ Button 2021.
  114. ↑ Lamorlette 2021a: "On peut donc retrouver sur ces réseaux de nombreux exemples de ce que peut donner le mélange entre un esprit créatif et une technologie aussi efficace que diablement amusante." (แปลว่า "These social networks are therefore full of examples of what can be achieved by combining a creative mind with technology that is as effective as it is devilishly fun.")
  115. ↑ www.equestriacn.com 2021.
  116. ↑ Paltridge 2021.
  117. ↑ Morton 2021.
  118. ↑ Moto 2021: "Incluso, los más clavados pueden cambiar algunos parámetros como la intencionalidad o el tono." (แปลว่า "Actually, the most experienced of users can change some parameters like the stress or tone.")
  119. ↑ Ibáñez 2022: "Personalmente encontré interesantes las pausas y el ritmo y que ciertamente se nota que según el contenido del texto se «interpreta» el resultado según lo que se intenta transmitir." (แปลว่า "Personally, I found the pauses and rhythm interesting, and that it is certainly noticeable that depending on the content of the text, the result is 'interpreted' according to what is being trying to convey.")
  120. ↑ Tomanová 2022.
  121. ↑
    • Furushima 2021: 日本語入力には対応していないが、ローマ字入力でもなんとなくそれっぽい発音になる。; 15.aiはテキスト読み上げサービスだが、特筆すべきはそのなめらかな発音と、ゲームに登場するキャラクター音声を再現している点だ。 (แปลว่า It does not support Japanese input, but even if you input using romaji, it will somehow give you a similar pronunciation.; 15.ai is a text-to-speech service, but what makes it particularly noteworthy is its smooth pronunciation and the fact that it reproduces the voices of characters that appear in games.)
    • Kurosawa 2021: "もうひとつ15.aiの大きな特徴として挙げられるのが、豊かな感情表現だ" (แปลว่า "Another major feature of 15.ai is its rich emotional expression.")
    • Kurosawa 2021: "英語版ボイスのみなので注意" (แปลว่า "Please note that this is an English voice only version.")
  122. ↑
    • do Prado 2021: "Obviamente o programa funciona no idioma inglês, mas dá pra gerar umas frases bem emboladas e engraças em português, estilo aqueles memes usando vozes em outros idiomas falando em português." (แปลว่า "Obviously, the program works in English, but you can generate some really confusing and funny sentences in Portuguese, like those memes using voices in other languages speaking Portuguese.")
    • Villalobos 2021: "En este sentido, en las últimas horas se ha hecho popular un sitio web que emula la voz de GlaDOS para que diga todas las palabras que quieras, siempre y cuando estén en inglés, aunque puedes escribir algo en español e intentará pronunciarlo, pero no lo hará correctamente." (แปลว่า "In this sense, in recent hours a website has become popular that emulates the voice of GlaDOS so that it says all the words you want, as long as they are in English, although you can write something in Spanish and it will try to pronounce it, but it will not do it correctly.")
  123. ↑
    • GamerSky 2021: "虽然AI的声音缺少了些抑扬顿挫，不过效果也还算有趣。" (แปลว่า "Although the AI's voice lacks some intonation, the effect is still interesting.")
    • GamerSky 2021: "目前15.ai提供的角色选项较少，由于文本的字数限制，生成的语音也相对较短" (แปลว่า "Currently, 15.ai provides relatively few character options, and due to the word limit of the text, the generated voice is relatively short.")
  124. ↑ MrSun 2021: "的 GLaDOS 也能完美的唸出任何台詞。當然網站也補充目前還有很多不完美的地方，像是字數限制、語氣控制在某些話上還是略有怪異，但只要肯花時間，也能像是其他網友一樣，通過剪輯來完成有趣的創作，" (แปลว่า "Even GLaDOS in \"Portal\" can perfectly recite any lines. Of course, the website also added that there are still many imperfections, such as word limit and tone control, which are still a bit weird in some words, but as long as you are willing to spend time, you can also complete interesting creations through editing like other netizens.")
  125. 1 2 3 Irpan 2025.
  126. ↑ Kamen 2022.
  127. ↑ Ewins 2021.
  128. ↑ Cowen 2022.
  129. ↑
    • Li 2021: "完美保留了发音人的韵律和特色，" (แปลว่า: "perfectly preserves the rhythm and characteristics of the speaker,")
    • Li 2021: "该网站的访问量为在线任务差不多5000以上，而且目前完全免费，" (แปลว่า: "The number of requests to the website is more than 5,000 tasks, and it is still currently completely free.")
  130. ↑
    • Feng 2020: "该工具生成的音频文件的采样率为 44100 Hz，而大多数基于深度学习的文本转语音实现，所使用的采样率为16,000 Hz。所以用它产生的音频，声谱会更详细（更高质量的音频），同时缺陷也更明显。" (แปลว่า "The audio files generated by this tool have a sampling rate of 44100 Hz, while most deep learning-based text-to-speech implementations use a sampling rate of 16,000 Hz. Therefore, the audio generated by it will have a more detailed sound spectrum (higher quality audio), but the defects will be more obvious.")
    • Feng 2020: "当然在这么小的语料上训练的模型也是有缺陷的，有些单词可能发音不准确，其实这也很好理解，即使是人，在遇到生词的时候也不一定能准确发音，而传统的深度模型通常有 40 个小时或者更多的语料，所以错误率会低一些。" (แปลว่า "Of course, the model trained on such a small corpus is also flawed, and some words may not be pronounced correctly . In fact, this is easy to understand. Even humans may not be able to pronounce new words accurately when they encounter them. Traditional deep models usually have 40 hours or more of corpus, so the error rate will be lower.")
  131. ↑ Ji 2021: "但是由于情绪表现只能联系上下文进行自动识别，导致这些语音在情感表达上比较"中庸"，一些"极端"的情绪无法通过语音合成正常表达，[...]距离其被正式用于某些NSFW的同人作品，还有很长的路要走。" (แปลว่า "the emotional expression can only be automatically recognized in the context, which makes these voices relatively \"neutral\" in emotional expression. Some \"extreme\" emotions cannot be expressed normally through voice synthesis. [...] it still has a long way to go before it can be officially used in some NSFW fan works.")
  132. ↑ Ji 2021: "网友在油管上看到的许多"深度伪造"视频，都依赖视频创作者从原本数小时的数据资料里进行提取编辑，最终才能制作非常简短的内容，并且呈现效果还很一般。而15.ai的开发者表示，自己的这项技术可以轻松实现那些视频效果（事实上15.ai的许多角色进行深度学习的数据时长只有几十分钟）。" (แปลว่า "Many of the \"deep fake\" videos that netizens see on YouTube rely on video creators to extract and edit hours of data to produce very short content, and the presentation effect is still very average. The developers of 15.ai said that their technology can easily achieve those video effects (in fact, the data for deep learning of many characters of 15.ai is only tens of minutes long).")
  133. ↑ Parker 2022; Temitope 2024.
  134. ↑ Innes 2022; Wakelin-King 2022; Ng 2020; Parker 2022; Skorich 2022; Piletsky 2022; Enriquez 2022.
  135. ↑ Ruiz et al. 2025.
  136. ↑ Czornik 2025.
  137. ↑ Çoruh 2025.
  138. ↑ Bolocan & Savciuc 2025.
  139. ↑ Ruppert 2021; Morton 2021.
  140. ↑ 遊戲 2021; Kurosawa 2021; Morton 2021; Temitope 2024.
  141. ↑ ElevenLabs 2024b.
  142. ↑ Staniszewski 2024; Play.ht 2024; Weitzman 2023.
  143. ↑ Makowiec 2024.
  144. ↑ Osman 2022.
  145. ↑ OpenAI 2024; Temitope 2024.

ทวีต

[แก้]
  1. ↑ @fifteenai (ธันวาคม 7, 2024). "The past and future of 15.ai" (ทวีต). ข้อมูลเก่าจากต้นฉบับ เมื่อ ธันวาคม 8, 2024. สืบค้นเมื่อ ธันวาคม 19, 2024 – โดยทาง ทวิตเตอร์.{{cite web}}: CS1 maint: date auto-translated (ลิงก์)
  2. ↑ @fifteenai (2025-05-18). "We are so back. https://15.dev Only MLP characters for now. More characters, features, and improvements will be added soon. Check Twitter and/or the Discord server (linked on the website) for updates! (Expect possible downtime as I calibrate server capacity and GPU allocations depending on how busy the website gets.)" (ทวีต). สืบค้นเมื่อ 2025-05-18 – โดยทาง ทวิตเตอร์.
  3. ↑ @fifteenai (พฤษภาคม 28, 2026). "I should probably mention this now, by the way: I've decided to close http://15.dev indefinitely so I can focus on Artist Alley" (ทวีต) – โดยทาง ทวิตเตอร์.{{cite web}}: CS1 maint: date auto-translated (ลิงก์)

วิดีโอ

[แก้]
  1. ↑ Make GLaDOS Say ANYTHING - 15.ai (ภาษาอังกฤษ). Valve News Network. มีนาคม 8, 2020. สืบค้นเมื่อ มกราคม 8, 2026.{{cite AV media}}: CS1 maint: date auto-translated (ลิงก์)
  2. ↑ Yea, Yong (มกราคม 14, 2022). "Troy Baker Faces Mass Backlash For Supporting Shady AI Voice NFTs With Company That Has Stolen Work". เหตุการณ์เกิดขึ้นที่ 15:54–16:13. ข้อมูลเก่าจากแหล่งเดิมเมื่อ ธันวาคม 20, 2024. สืบค้นเมื่อ มีนาคม 23, 2025 – โดยทาง YouTube. This isn't just one of those things [Voiceverse] can go 'Whoopsies!' on. [They] plagiarized somebody else's work and used that as a means to falsely market the quality of [their] own products, by using somebody else's higher quality voice AI to promote [Voiceverse] for [their] own benefit.{{cite web}}: CS1 maint: date auto-translated (ลิงก์)
  3. 1 2 3 The VŌC Podcast // John Patrick Lowrie & Ellen McLain Interview (The voices of GLaDOS and Sniper) (Podcast) (ภาษาอังกฤษ). The VŌC Podcast. เมษายน 11, 2021. เหตุการณ์เกิดขึ้นที่ 0:51:50–1:01:25. ข้อมูลเก่าจากแหล่งเดิมเมื่อ 2025-08-20. สืบค้นเมื่อ มกราคม 15, 2025.{{cite AV media}}: CS1 maint: date auto-translated (ลิงก์)
  4. ↑ Vetterlein, Nathan (มกราคม 10, 2021). "Nate listens to his AI self". Twitch. สืบค้นเมื่อ มกราคม 21, 2025.{{cite web}}: CS1 maint: date auto-translated (ลิงก์)

บรรณานุกรม

[แก้]

หนังสือและแหล่งข้อมูลวิชาการ

[แก้]

ข่าวและแหล่งข้อมูลบนเว็บ

[แก้]

แหล่งข้อมูลอื่น

[แก้]
เข้าถึงจาก "https://th.wikipedia.org/w/index.php?title=15.ai&oldid=13350346"