迄今最復(fù)雜人工智能語(yǔ)音模型創(chuàng)建，可模仿人的原聲

　　Meta稱研制出迄今最復(fù)雜人工智能語(yǔ)音模型。圖片來(lái)源：英國(guó)《每日郵報(bào)》網(wǎng)站

　　據(jù)英國(guó)《每日郵報(bào)》23日?qǐng)?bào)道，臉書母公司元宇宙平臺(tái)公司(Meta)稱，其已研制出“迄今功能最強(qiáng)大的語(yǔ)音生成式人工智能Voicebox”，它能夠模仿任何人的聲音，包括逝者。不過(guò)，由于擔(dān)心這項(xiàng)先進(jìn)技術(shù)會(huì)被濫用，Meta宣布不會(huì)公開其人工智能模型。

　　Meta公司深度學(xué)習(xí)人工智能研究人員在介紹Voicebox時(shí)指出，Voicebox使用了“流匹配”方法，其表現(xiàn)優(yōu)于當(dāng)前最先進(jìn)生成式語(yǔ)音系統(tǒng)使用的擴(kuò)散模型。結(jié)果顯示，Voicebox生成的人工音頻更容易理解，單詞錯(cuò)誤率為1.9%，低于競(jìng)爭(zhēng)對(duì)手的5.9%。此外，Voicebox生成的音頻與真人的相似性更高，同時(shí)速度快了近20倍。

　　在跨語(yǔ)言翻譯時(shí)，Voicebox的表現(xiàn)優(yōu)于備受贊譽(yù)的多語(yǔ)言文本—語(yǔ)音AI YourTS，單詞平均錯(cuò)誤率從10.9%降低到5.2%，音頻相似度從0.335提高到0.481。

　　Meta闡述了Voicebox的多種用途，稱其可用來(lái)幫助視障人士聽到朋友和親人的信息，或允許非母語(yǔ)人士用自己的聲音翻譯自己所說(shuō)的話。據(jù)悉，Voicebox目前能說(shuō)6種語(yǔ)言：英語(yǔ)、法語(yǔ)、西班牙語(yǔ)、德語(yǔ)、波蘭語(yǔ)和葡萄牙語(yǔ)。

　　不過(guò)，Meta強(qiáng)調(diào)稱，由于潛在的濫用風(fēng)險(xiǎn)，他們目前不會(huì)公開Voicebox模型及其代碼。雖然他們認(rèn)為向人工智能社區(qū)開放并分享研究，對(duì)于推動(dòng)人工智能向前邁進(jìn)非常重要，但在開放與責(zé)任之間取得正確的平衡也至關(guān)重要。

　　總編輯圈點(diǎn)

　　ChatGPT橫空出世半年多時(shí)間，人們已然深刻感受到人工智能語(yǔ)言模型的強(qiáng)大。對(duì)于各種提問(wèn)，它都能對(duì)答如流，令人驚嘆。試想一下，如果人工智能在回答人類的提問(wèn)時(shí)，不僅內(nèi)容形式酷似真人，就連聲音也令人真假難辨，用戶恐怕會(huì)感受到更強(qiáng)的沖擊力。而后者，正是語(yǔ)音生成式人工智能要實(shí)現(xiàn)的目標(biāo)。不過(guò)，正如文中所言，這些強(qiáng)大的技術(shù)確實(shí)有被濫用的可能，在人工智能技術(shù)不斷升級(jí)迭代的同時(shí)，相關(guān)監(jiān)管與倫理約束也要及時(shí)“上路”。