7月12日消息，據(jù)媒體報道，微軟公司近期成功研發(fā)了一款名為VALL-E2的革命性AI語音生成技術(shù)，該技術(shù)的問世標志著AI語音合成領域的一個重大突破。僅需短短三秒鐘的音頻樣本，VALL-E2便能以前所未有的精確度與自然度，復現(xiàn)出說話者的獨特聲線，其表現(xiàn)幾乎達到了以假亂真的人類水準。
科學家表示，這是AI語音首次達到人類水平，由于太過危險，無法向公眾發(fā)布。
鑒于當前AI語音詐騙案件頻發(fā)，該技術(shù)若落入不法分子之手，可能加劇此類犯罪的風險，詐騙者能夠輕易克隆他人聲音，進行高度逼真的電話詐騙，誘導受害者進行財務交易，造成巨大經(jīng)濟損失。
與此同時，VALL-E2技術(shù)的快速發(fā)展也對傳統(tǒng)聲音演員行業(yè)構(gòu)成了挑戰(zhàn)。聲音演員們擔心，隨著AI語音合成技術(shù)的日益成熟，他們的聲音可能被輕易復制并用于各種場合，而他們所應得的經(jīng)濟補償卻難以得到合理保障，這無疑對他們的職業(yè)生涯構(gòu)成了潛在威脅。
盡管VALL-E2 AI語音生成器不會對公眾開放，但也證明了AI在這方面的技術(shù)進步，以及未來在合適的時候可以應用，包括教育學習、娛樂、新聞、聊天機器人等。
本文鏈接：http://morphism.cn/news41021.htmlAI語音首次達到人類水平 科學家：太過危險 無法向公眾發(fā)布
