ElevenLabs ने हाल ही में अपना नया Scribe वॉयस-टू-टेक्स्ट मॉडल जारी किया है, जो अंग्रेज़ी भाषा में 96.7% की अभूतपूर्व सटीकता प्राप्त करता है। यह मॉडल उन्नत तकनीक का उपयोग करके बनाया गया है, जिससे यह अन्य वॉयस-टू-टेक्स्ट मॉडलों से बेहतर प्रदर्शन करता है।

ElevenLabs एक स्टार्टअप है जो AI वॉयस क्लोनिंग और टेक्स्ट-टू-स्पीच API पर केंद्रित है, जिसने हाल ही में एक नई फ़ीचर की घोषणा की है जिससे उपयोगकर्ता पूर्ण संवादात्मक AI एजेंट बना सकते हैं। अब उपयोगकर्ता ElevenLabs के डेवलपर प्लेटफ़ॉर्म पर अपने आवश्यकताओं के आधार पर संवादात्मक एजेंट के विभिन्न वेरिएबल्स को अनुकूलित कर सकते हैं, जैसे कि वॉयस टोन और प्रतिक्रिया की लंबाई। ElevenLabs पहले विभिन्न वॉयस और टेक्स्ट-टू-स्पीच सेवाएं प्रदान करता था। कंपनी के ग्रोथ हेड सैम स्क्लार ने एक साक्षात्कार में

IBM के शोधकर्ताओं ने एक अपेक्षाकृत सरल तरीके की पहचान की है, जिससे जनरेटिव AI टूल का उपयोग करके वॉयस कॉल को हाइजैक किया जा सकता है। इस खोज ने उन संगठनों के लिए चिंताएँ पैदा की हैं, जो पहचान को सत्यापित करने के लिए फोन पर निर्भर हैं, जैसे वित्तीय संस्थाएँ। यह चैट बोट्स के लिए परेशानी का सबब बनेगा, क्योंकि वे अभी भी वित्तीय संस्थाओं जैसी फोन सत्यापन की आवश्यकता करने वाले संगठनों के लिए हैं, जहां कम लागत वाले AI उपकरणों का उपयोग करते हुए धोखेबाज़ आसानी से दूसरों की आवाज की नकल कर पाते हैं, धन और अन्य संवेदनशील जानकारी चुराने में सक्षम होते हैं। ऑडियो हाइजैकिंग एक नया खतरा है, जिसमें खतरे के पास मौजूद लोग बातचीत के दौरान वॉयस क्लोनिंग का उपयोग कर बड़े भाषा मॉडल को प्रभावित कर सकते हैं।

अमेरिकी रिकॉर्ड उद्योग संघ ने AI वॉयस क्लोनिंग वेबसाइटों को सरकारी पाइरेसी निगरानी ब्लैकलिस्ट में शामिल करने की मांग की। रिकॉर्ड उद्योग संघ ने विशेष रूप से AI वॉयस क्लोनिंग वेबसाइट Voicify.ai का नाम लिया, जो कलाकारों के सार्वजनिक अधिकारों का उल्लंघन कर रही है। RIAA ने बिना अनुमति के बनाए गए कार्यों में वृद्धि को रोकने के लिए AI वॉयस क्लोनिंग वेबसाइटों का नियमन करने का आह्वान किया।