“Não ponha na minha boca palavras que eu não disse” é uma frase repetida em milhares de discussões, mas e se fosse possível fazer exatamente isso? Vamos pensar por um momento: hoje, o Photoshop nos ensina coisas que não existem. Observamos iniciativas com o potencial de digitalizar atores falecidos e trazê-los de volta às telas. Os assistentes em dispositivos móveis reconhecem perfeitamente nossa voz. Quão difícil seria imitá-la, então? O Project VoCo da Adobe está tentando descobrir.
O que é o Project VoCo?
A conferência MAX, que a Adobe organiza todos os anos, permite que desenvolvedores e consumidores vejam de perto algumas das coisas em que a empresa está trabalhando, seja produtos prontos para o mercado ou protótipos relativamente obscuros. Nesta segunda categoria se encaixa o Project VoCo, algo que não nos diz muito pelo nome, mas que carrega um potencial assustador. Que tipo de potencial é esse? Vejamos: todos sabemos o que o Photoshop pode fazer nas mãos de um especialista. As modelos não têm uma única imperfeição na pele, carros que ainda não foram construídos fazem manobras espetaculares na praia, e os políticos perdem dez ou quinze anos durante uma campanha. Agora, pensemos nesses recursos aplicados ao áudio. Pegar o discurso de alguém, editá-lo, substituir e colocar palavras que não estão lá.
É disso que se trata o Project VoCo. Nas palavras do desenvolvedor da Adobe, Zeyu Jin, o VoCo faz para o áudio o que o Photoshop faz para a fotografia. O software é algo como um pré-alfa neste momento, mas, de acordo com as breves demonstrações, tudo o que o usuário precisa fazer é inserir texto em uma pequena caixa de diálogo, e o VoCo o reproduzirá usando exatamente a mesma voz. Naturalmente, essa função implica realizar uma análise muito ampla do áudio, e várias fontes indicam que o VoCo precisa de pelo menos 20 minutos de conteúdo para fazer uma reprodução fiel. Se calculamos quanto duram em média os discursos de alguns políticos, estou convencido de que o VoCo possui material de sobra.
Preocupações éticas
Embora a Adobe tenha razões legítimas para avançar em um projeto com essas características, os alarmes éticos não param de soar. Como sempre, a culpa não é da ferramenta, mas de quem a usa. Se o VoCo cair em mãos sem escrúpulos, um discurso lógico e coerente pode ser transformado em agressivo ou beligerante... e vice-versa. Já é muito difícil detectar imagens editadas e vídeos falsos. Imaginem estender esse mesmo conflito a uma peça de áudio que pode durar um par de horas. Ainda assim, continuaremos de olho no VoCo.
