“語音引擎”可從15秒樣本複製原聲

據著名科技網站The Verge報道，OpenAI公司3月29日最新推出了一項名為“語音引擎”（Voice Engine）的人工智慧工具，其僅憑一段15秒的聲音樣本，便能夠精準模倣出該人的聲音。

OpenAI稱，該引擎自2022年底以來一直在開發中，實際已在ChatGPT應用程序的“大聲朗讀”功能中應用，該功能顧名思義會向用戶朗讀相關內容。

用戶只需利用15秒的樣本來訓練聲音，就可讓它以一種“情感和現實”的方式讀出喜歡的任何文本。OpenAI表示，它可用於教育目的，將播客翻譯成新語言。OpenAI發佈的剪輯聽起來令人印象深刻，儘管它們有輕微生硬的機器人痕跡。

“語音引擎”展示了一些已經開始應用的例子。如生成更自然、更富有情感的聲音；將視頻內容翻譯成多種語言，以拓寬其全球受眾範圍。這項技術的一大特色是，在翻譯過程中能夠保留演講者原有的口音特徵，為翻譯增添了更多真實感和個性化色彩。

“語音引擎”還可為語言障礙者提供支持，例如開發針對語言障礙者的治療應用，為有特殊學習需求的人提供教育輔助，使用戶能選擇最能體現其個性的聲音，並且對那些使用多種語言的用戶，保持在各種語言中聲音的一致性。“語音引擎”使用一位年輕患者之前為學校項目錄製的視頻音頻，成功恢復了她因血管性腦瘤而失去的流暢語言能力。

OpenAI目前並未立即向市場全面推廣，而是選擇與少數早期測試者謹慎地合作，共同探索“語音引擎”的應用可能和潛在風險。

“語音引擎”目前僅處於有限測試階段，主要原因是擔心被濫用。OpenAI指出，“語音引擎”可能導致語音身份驗證措施出現問題，以及讓大眾在誤以為自己與熟人通話的情況下涉入騙局。

OpenAI表示希望進行更多研究，以確保此類工具無法在未經同意的情況下用於傳播錯誤信息和複製聲音。