OpenAI首次展示音頻模型Voice Engine，15秒即可復(fù)制原音，生成的聲音太逼真了！

　　AIGC開放社區(qū) 

　　用戶只需要提供15秒左右的參考聲音，通過Voice Engine就能生成幾乎和原音一模一樣的全新音頻，在清晰度、語音連貫、音色、自然度等方面比市面上多數(shù)產(chǎn)品都強很多。

　　3月30日凌晨，OpenAI在官網(wǎng)首次展示了全新自定義音頻模型“Voice Engine”。

　　用戶只需要提供15秒左右的參考聲音，通過Voice Engine就能生成幾乎和原音一模一樣的全新音頻，在清晰度、語音連貫、音色、自然度等方面比市面上多數(shù)產(chǎn)品都強很多。

　　除了能合成音頻之外，OpenAI還展示了Voice Engine很多其他際商業(yè)用途，例如，一位失去聲音表達能力的女孩，在Voice Engine幫助下能像以前一樣正常發(fā)音說話。

　　Voice Engine功能展示

　　OpenAI并非展示了一些簡單的demo，而是一些實際場景化用例，這也就是說Voice Engine的技術(shù)已經(jīng)非常成熟。

　　Age of Learning 是一家兒童教育公司，他們一直在使用Voice Engine生成各種有聲讀物。同時還通過與GPT-4的相結(jié)合使用，創(chuàng)建實時、個性化的回答與學(xué)生互動。

　　例如，使用一段15秒的參考音頻。

　　age-of-learning-reference

　　00：00 / 00：15

　　就可以生成幾乎一模一樣的語音。

　　animals

　　00：00 / 00：16

　　除了語音合成之外，Voice Engine還能提供視頻翻譯功能，可以將一種視頻語音無差別的翻譯成多國語言。

　　HeyGen是一家AI視頻合成平臺，主要幫助企業(yè)開發(fā)商品展示的“數(shù)字人”。他們通過使用Voice Engine進行視頻翻譯，擴展至多國語言來擴大全球覆蓋受眾。

　　輸入一段原參考語音

　　heygenenglish

　　00：00 / 00：16

　　就能將其轉(zhuǎn)化成中文語音

　　heygen-mandarin

　　00：00 / 00：24

　　或者日文語音

　　heygen-japanese

　　00：00 / 00：22

　　幫助聲音受損的人恢復(fù)聲音：諾曼-普林斯生命科學(xué)研究所正在測試一項實驗，正通過Voice Engine幫助那些因腫瘤或神經(jīng)系統(tǒng)病因，導(dǎo)致語言障礙的患者恢復(fù)聲音。

　　目前，他們已經(jīng)幫助一位因血管性腦腫瘤，而失去流利語言表達能力的年輕女患者恢復(fù)了聲音。

　　下面這段聲音是女患者的，她已經(jīng)無法清楚表達自己說的話。

　　lifespan-current

　　00：00 / 00：30

　　通過提供她之前正常的語音，用Voice Engine進行轉(zhuǎn)譯。

　　lifespan-reference

　　00：00 / 00：15

　　現(xiàn)在這位女患者可以正常與其他人交流了。

　　lifespan-talking

　　00：00 / 00：16

　　OpenAI表示，其實他們在2022年底便開發(fā)了Voice Engine，并將其用于支持文本到語音 API 中的預(yù)設(shè)語音以及 ChatGPT 的語音和朗讀功能。

　　但出于安全考慮一直沒有全面公測，目前也只是小范圍測試。因為相比文本、視頻，音頻的造假能力太強了幾乎無法分辨出來。

　　此外，OpenAI首席技術(shù)官Mira Murati在前不久接受的采訪時表示，未來Sora生成的視頻會帶聲音的，很可能為其提供聲音的就是Voice Engine。

　　本文作者：AIGC開放社區(qū)，來源：AIGC開放社區(qū)，原文標題：《OpenAI首次展示音頻模型Voice Engine，生成的聲音太逼真了！》

　　風(fēng)險提示及免責(zé)條款

　　市場有風(fēng)險，投資需謹慎。本文不構(gòu)成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務(wù)狀況或需要。用戶應(yīng)考慮本文中的任何意見、觀點或結(jié)論是否符合其特定狀況。據(jù)此投資，責(zé)任自負。

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(zé)任編輯：王永生