Nari Labs tarafından geliştirilen yeni açık kaynak yapay zekâ modeli Dia, duygusal seslendirmeye farklı bir boyut kazandırdı.
Günümüzde çoğu yapay zekâ sesi, dostane ve sakin bir tonla konuşarak doğal bir insan izlenimi vermeye çalışıyor. Ancak Dia, sıradan bir anlatımı aşarak öksürük, gülüş, boğaz temizleme, burun çekme ve hatta gerçekçi şekilde bağırma gibi insanî sesleri başarıyla taklit ediyor.
Dia, Yapay Zekâ Seslerinde Duygusal İfade Açığını Kapatıyor
Çoğu yapay zekâ sesi, bir masal kitabı okurken başarılı olabilir fakat bir arkadaşını sakinleştirmeye çalışmak ya da şok edici bir olaya tepki vermek söz konusu olduğunda inandırıcılığını kaybediyor. Bunun temel nedeni, ticari ses modellerinin ses tonunu aşırı şekilde yumuşatarak robotik tınılardan kaçınmaya çalışmasıdır. Bu da duygusal iniş çıkışlara yer bırakmıyor.
Dia, performansın bir parçası olarak sözsüz iletişimi de başarıyla yansıtıyor. Bir öksürüğü yalnızca kelime gibi okumuyor ya da bir çığlığı sadece yüksek sesle ifade etmiyor. Zamanlama, perde değişimi ve nefes kontrolü gibi unsurları ustalıkla kullanarak duyguları daha gerçekçi bir şekilde sunuyor. Bazı kullanıcılar, Dia’nın yeteneklerini oyun dünyasına da taşıdı. Bir kullanıcı, World of Warcraft’ta ünlü “Leroy Jenkins” sahnesini Dia ile yeniden canlandırdı.
OpenAI, ElevenLabs, Google ve Sesame gibi şirketlerin geliştirdiği yapay zekâ ses modelleri de başarılı sonuçlar veriyor. OpenAI’ın Gelişmiş Ses Modu, farklı duygularla konuşulmasını sağlarken ElevenLabs, noktalama işaretleri ve büyük harflerle duygusal tonlamayı başarıyla düzenliyor. Ancak yine de ani bir şaşkınlık çığlığı ya da gerçek bir kahkaha gibi yoğun tepkileri taklit etmek konusunda sınırlamalar bulunuyor.
Sesame modelleri, insan gibi tepki verme konusunda güçlü olsa da çoğunlukla neşeli ve olumlu duygulara odaklanıyor. Dia ise bu sınırları aşarak daha geniş bir duygusal yelpazeye ulaşıyor. Dia’nın ortaya koyduğu bu gelişme, sadece “yapay zekâ sesleri artık çığlık atabiliyor” seviyesinde kalmıyor. Bu durum, genel yapay zekâ alanında duygusal zekânın giderek daha önemli hale geldiğini gösteriyor.
Yakın gelecekte, bir asistanın doğru cümleyi kurması yeterli olmayacak. Bu cümleyi doğru bir duyguyla iletmesi de beklenecek. Müşteri destek botlarının gerçekten üzgün hissettirmesi, öğretmenlerin cesaret verici bir tonla konuşması ya da oyun karakterlerinin samimiyet sergilemesi gerekecek.
Ancak duygusal ifadeyi ikna edici bir şekilde kullanabilen yapay zekâlar, aynı zamanda daha ikna edici ve dolayısıyla daha manipülatif hale gelebilir. Bu durum, bazı kullanıcıların kendilerini gerçek bir çığlık atarken bulmasına yol açabilir. Yine de Dia ile bir korku hikâyesi yazıp, hikâyenin içinde atılan çığlıklarla tam bir performans sergilemesini sağlamak oldukça eğlenceli olabilir.
