Popular science work
據(jù)著名科技網(wǎng)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）的人工智能工具，其僅憑一段15秒的聲音樣本，便能夠精準(zhǔn)模仿出該人的聲音。
OpenAI稱，該引擎自2022年底以來一直在開發(fā)中，實(shí)際已在ChatGPT應(yīng)用程序的“大聲朗讀”功能中應(yīng)用，該功能顧名思義會向用戶朗讀相關(guān)內(nèi)容。
用戶只需利用15秒的樣本來訓(xùn)練聲音，就可讓它以一種“情感和現(xiàn)實(shí)”的方式讀出喜歡的任何文本。OpenAI表示，它可用于教育目的，將播客翻譯成新語言。OpenAI發(fā)布的剪輯聽起來令人印象深刻，盡管它們有輕微生硬的機(jī)器人痕跡。
“語音引擎”展示了一些已經(jīng)開始應(yīng)用的例子。如生成更自然、更富有情感的聲音；將視頻內(nèi)容翻譯成多種語言，以拓寬其全球受眾范圍。這項技術(shù)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征，為翻譯增添了更多真實(shí)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(fā)針對語言障礙者的治療應(yīng)用，為有特殊學(xué)習(xí)需求的人提供教育輔助，使用戶能選擇最能體現(xiàn)其個性的聲音，并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(xué)校項目錄制的視頻音頻，成功恢復(fù)了她因血管性腦瘤而失去的流暢語言能力。
OpenAI目前并未立即向市場全面推廣，而是選擇與少數(shù)早期測試者謹(jǐn)慎地合作，共同探索“語音引擎”的應(yīng)用可能和潛在風(fēng)險。
“語音引擎”目前僅處于有限測試階段，主要原因是擔(dān)心被濫用。OpenAI指出，“語音引擎”可能導(dǎo)致語音身份驗(yàn)證措施出現(xiàn)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(jìn)行更多研究，以確保此類工具無法在未經(jīng)同意的情況下用于傳播錯誤信息和復(fù)制聲音。
