21
Voicebox é unha intelixencia artificial xenerativa que en lugar de xerar texto como ChatGPT, xera audio falado. Só hai que tomar unha das súas características para darse conta do perigosa que pode ser: con só dous segundos de audio, xera calquera diálogo imitando á perfección ese ton de voz. É fácil imaxinar as aplicacións malignas desta característica, en todo tipo de deepfakes, estafas e suplantacións de personalidade. Voicebox é, segundo Meta, a intelixencia artificial baseada en voz máis avanzada que existe. A nivel técnico, a súa principal vantaxe é a forma en que aprende. Voicebox usa unha técnica chamada Flow Matching, que só require uns segundos de audio e a súa tradución, para que Voicebox poida traballar con el.