یوتیوب قرار است ویژگی دوبله خودکارش را با کمک هوش مصنوعی وارد مرحله‌ی جدیدی کند؛ قابلیتی که به گفته‌ی سازندگانش، لب‌های گوینده را با زبان ترجمه‌شده هماهنگ می‌کند تا ویدیوهای دوبله‌شده، طبیعی‌تر از همیشه به نظر برسند.
اما نکته جالب (و شاید نگران‌کننده) این است که این ویژگی احتمالاً رایگان نخواهد بود.
یوتیوب چطور لب‌ها را با صدای ترجمه‌شده هماهنگ می‌کند؟
طبق گفته‌ی «بودیکا کوتاهاتچی»، مدیر پروژه‌ی Auto-dubbing یوتیوب، این فناوری با استفاده از مدل‌های پیشرفته‌ی سه‌بعدی کار می‌کند؛ یعنی ساختار لب، دندان، فرم چهره و حتی زاویه‌ی بدن را تحلیل کرده و سپس پیکسل‌های تصویر را طوری تغییر می‌دهد که با صدای ترجمه‌شده کاملاً منطبق شود.
در حال حاضر، این سیستم فقط برای وضوح 1080p بهینه‌سازی شده و هنوز برای ویدیوهای 4K آماده نیست. تیم یوتیوب در تلاش است تا در نهایت بیش از ۲۰ زبان پشتیبانی‌شده در Auto-dub را پوشش دهد.
آیا لب‌خوانی هوش مصنوعی پولی می‌شود؟
هرچند هنوز یوتیوب به‌طور رسمی چیزی اعلام نکرده، اما طبق گزارش Digital Trends، این قابلیت ممکن است در آینده هزینه‌بر باشد.
دلیلش ساده است: فرایند هم‌زمان‌سازی لب با صدای ترجمه‌شده نیاز به پردازش سنگین و منابع محاسباتی بالایی دارد، و یوتیوب در حال ارزیابی این است که آیا سازندگان محتوا باید بابت استفاده از آن هزینه‌ای پرداخت کنند یا نه.
در حال حاضر، این قابلیت فقط در اختیار گروه محدودی از سازندگان منتخب قرار گرفته است — درست مثل زمانی که ویژگی Auto-dubbing برای نخستین بار معرفی شد.
یوتیوب و گسترش قدرت هوش مصنوعی در ویدیوها
این اقدام بخشی از استراتژی گسترده‌تر یوتیوب برای استفاده از هوش مصنوعی است.
از ساخت خودکار Shorts گرفته تا پیشنهاد زمان مناسب برای درج تبلیغات و توسعه‌ی مدل تولید ویدیو VEO 3، حالا نوبت به هماهنگی چهره و زبان رسیده است.
اگر این ویژگی موفق شود، محتوای چندزبانه جهانی طبیعی‌تر و فراگیرتر خواهد شد — هرچند شاید هزینه‌ی آن بر دوش خالقان محتوا بیفتد.
در نهایت، لب‌خوانی هوش مصنوعی می‌تواند گامی بزرگ برای جهانی‌تر شدن یوتیوب باشد؛ اما این‌که چه زمانی و با چه قیمتی در دسترس عموم قرار می‌گیرد، هنوز در هاله‌ای از ابهام است.
نظر شما چیست؟
اگر قرار باشد برای این قابلیت پول بدهید، آیا ارزشش را دارد؟
