當地時間周五（3月29日），美國人工智能研究公司OpenAI在官網首次分享名為“VoiceEngine”（語音引擎）的預覽。據介紹，通過輸入文本和15秒音頻樣本，VoiceEngine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Voice Engine的研發工作，並將它用作一些其他功能的預設語音。由於合成語音可能會被濫用，公司隻在小范圍內與開發人員分享該模型，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，並且還結合GPT-4 創建實時的響應來與學生互動。
在案例中，OpenAI放出一段英語男聲和西班牙語女聲的樣本音頻，並用兩段音頻各生成講解知識的語音。
另外，數字人視頻生成初創公司HeyGen也采用這項技術。HeyGen可以根據內容創建定制的數字人化身，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，那麼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還展示生成較小語系和孤立語系聲音的能力，以幫助落後地區的社區衛生工作者；同時還與神經科學研究所探索AI在臨床環境中的應用，比如幫助語言障礙者等用途。
“太強大導致無法推廣”
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夥伴合作，以確保我們在建設過程中吸收他們的反饋。 ”
OpenAI產品負責人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“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位選民在新罕佈什爾州初選中不要投票。本月早些時候，拜登呼籲國會通過立法來監管AI，包括禁止“AI語音模仿”等。
在測試計劃中，OpenAI要求其合作夥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，並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，以區分音頻是否是由其工具創建的。
OpenAI寫道，“無論我們最終是否會廣泛部署這項技術，讓全球各地的人們解這個發展方向都是非常重要的。”