當?shù)貢r間周五（3月29日），美國人工智能研究公司OpenAI在官網(wǎng)首次分享了名為“Voice Engine”（語音引擎）的預覽。

　　據(jù)介紹，通過輸入文本和15秒音頻樣本，Voice Engine便可以生成一個與音頻中說話者非常相似的自然語音。新聞稿強調，生成的自然語音具有豐富的情感和逼真的聲音。

　　OpenAI稱，公司在2022年底就啟動了Voice Engine的研發(fā)工作，并將它用作一些其他功能的預設語音。由于合成語音可能會被濫用，公司只在小范圍內與開發(fā)人員分享了該模型，未來可能不會廣泛推出這一功能。

　　新聞稿寫道，兒童教育技術公司Age of Learning正在使用這個模型來生成一些預先編寫好的內容，并且還結合GPT-4 創(chuàng)建實時的響應來與學生互動。

　　在案例中，OpenAI放出了一段英語男聲和西班牙語女聲的樣本音頻，并用兩段音頻各生成了講解知識的語音。

　　另外，數(shù)字人視頻生成初創(chuàng)公司HeyGen也采用了這項技術。HeyGen可以根據(jù)內容創(chuàng)建定制的數(shù)字人化身，而Voice Engine可以將樣本的聲音轉換成多種其他語言，來幫助產(chǎn)品營銷到銷售演示。

　　新聞稿提到，在轉換語言時，Voice Engine會保留原始說話者的母語口音，例如樣本中的人使用的是法語，那么生成的英語將帶有法國口音。本周早些時候，有消息稱HeyGen正在進行新一輪融資，投前估值達到4.4億美元。

　　除此以外，OpenAI還展示了生成較小語系和孤立語系聲音的能力，以幫助落后地區(qū)的社區(qū)衛(wèi)生工作者；同時還與神經(jīng)科學研究所探索AI在臨床環(huán)境中的應用，比如幫助語言障礙者等用途。

　　“太強大了導致無法推廣”

　　OpenAI寫道，“我們認識到，生成聲音的功能存在嚴重風險，這一點在大選年尤為突出。我們正在與來自政府、媒體、娛樂、教育等領域的國際合作伙伴合作，以確保我們在建設過程中吸收他們的反饋。 ”

　　OpenAI產(chǎn)品負責人Jeff Harris告訴媒體，“如果你能正確地設置音頻，基本上就能生成人類口徑的聲音，這是一種相當令人印象深刻的技術。”但Harris提到，準確模仿人類語音的能力確實存在安全隱患。

　　今年1月，美國就出現(xiàn)“AI拜登”事件，由AI生成的“假拜登”在電話中用逼真的聲音鼓勵可能支持民主黨的5000位選民在新罕布什爾州初選中不要投票。本月早些時候，拜登呼吁國會通過立法來監(jiān)管AI，包括禁止“AI語音模仿”等。

　　在測試計劃中，OpenAI要求其合作伙伴遵守其制定的使用政策：在使用語音樣本之前要征得聲音主人的同意，并明確告訴聽眾聲音是AI生成的。該公司還在安裝一種聽不見的音頻水印，以區(qū)分音頻是否是由其工具創(chuàng)建的。

　　OpenAI寫道，“無論我們最終是否會廣泛部署這項技術，讓全球各地的人們了解這個發(fā)展方向都是非常重要的。”

　　來源：財聯(lián)社

股市回暖，抄底炒股先開戶！智能定投、條件單、個股雷達……送給你>>

海量資訊、精準解讀，盡在新浪財經(jīng)APP

責任編輯：江鈺涵