快讯科技财经汽车社会旅游娱乐时尚健康生活科学教育

热搜：极空间携手打包出售灵羊小咩便荔于古德伍德前5个月全远东酒店实第31届上海 2026央行一

首页 > 科技

OpenAI藏了1年多的技术公开！15秒素材克隆声音，HeyGen也在用

发布时间: 2024-04-01 14:24:20 来源：量子位

观看：315

还帮助病患恢复了声音

克雷西发自凹非寺
量子位 | 公众号 QbitAI

OpenAI雪藏的新产品——语音合成引擎Voice Engine，终于被正式揭幕。

有了它，只需15秒的语音样本，就能克隆出一个人的声音，而且还能跨越语言！

APP版ChatGPT中的语音对话功能，也正是由这项技术所驱动。

效果如何？先来听段DEMO：

Salt also makes sure we stay hydrated which means there is enough water in our body for it to properly function.
盐分也可以保持人体内的水分，确保其满足正常功能的需要。

【音频效果请移步公众号】

而OpenAI通告显示，他们在2022年底就已经开发出了这项技术，但出于安全考虑一直没有正式发布。

这次，OpenAI终于官宣了Voice Engine，并展示了小规模测试中的几个应用案例。

比如，一家非营利医疗机构就利用这项技术，为一名年轻的病人恢复了她的声音。

另外值得一提的是，去年爆火的视频翻译软件HeyGen，采用的语音引擎也正是Voice Engine。

那么，这次OpenAI还展现了哪些效果，下面就来一睹为快。

用AI帮助病患恢复声音

首先是利用基础的语音合成能力，为儿童等不具备文字阅读能力的群体提供阅读辅助。

比如一家儿童教育技术公司，就一直在使用Voice Engine来给编写好的画外音内容配音。

DEMO中生成的大段内容，都是基于这样一段15秒的样本：

【音频效果请移步公众号】

然后，就可以合成相同音色的长段语音：

【音频效果请移步公众号】

再来看看HeyGen中用到的的语音翻译技术，原始素材是一段英语的音频：

【音频效果请移步公众号】

它被用原始的音色，翻译成了普通话、法语、德语等多种语言。

忽略译文的质量，只听声音，中文的效果是这样的：

【音频效果请移步公众号】

音色保持的还算不错，不过腔调很明显一听就是外国人在说中文。

至于这到底是个bug还是个feature，就见仁见智了（手动狗头）。

此外，一款名为Livox的残障人士辅助应用，也利用Voice Engine为不能说话的残障人士“发出声音”——

在有了Voice Engine之后，TA们可以选择专属的真人音色，而不再是机械感明显的合成音，并且在各种语言之间都能保持音色的一致性。

不只是帮助残障人士拥有自己的声音，Voice Engine还可以为因疾病导致声音发生在重大改变的人群，恢复患病之前声音，只要有以前的声音样本就能实现。

一名年轻的患者因罹患血管性脑肿瘤，失去了流利讲话的能力，说话变成了这样：

【音频效果请移步公众号】

医生从她所在学校录制的视频中提取到了她患病前的声音作为样本，在Voice Engine的帮助下为她恢复了此前的音色。

【音频效果请移步公众号】

此次发布的案例，特别是为不便人士提供帮助的场景受到了不少好评，但也有网友对这项技术的滥用表达了担忧。

安全问题需要全社会共同关注

实际上，安全问题也是OpenAI迟迟未将这项技术公之于众的主要考量。

出于安全考虑，前面案例的开发者都经过了OpenAI的严格筛选，并且需要承诺遵守使用协议。

这些开发者被要求必须明确说明声音是合成的，并且设定了黑名单以防止克隆公众人物声音。

此外，OpenAI还向合成的声音中添加了水印，以便出现问题时可以进行检测监控，同时呼吁人们采取措施共同应对这一问题：

在银行等敏感信息的安全验证措施中逐步淘汰语音验证方式
探索AI时代下个人声音的保护措施
教育公众理解AI的局限性，并了解其被用于欺诈的可能
加速开发跟踪溯源技术，让人们能够清晰辨别出真人和AI

参考链接：
https://openai.com/blog/navigating-the-challenges-and-opportunities-of-synthetic-voices

随着历史的车轮驶入2024年，大模型、AIGC等话题引发广泛热议，云计算与AI技术展现出了前所未有的深度融合趋势，就如同寒武纪的生物大爆发，激发着各行各业的创新浪潮。新质生产力时代到来，政企用云进记者3月18日从兰州大学获悉，该校动物医学与生物安全学院郑海学教授团队解析了非洲猪瘟病毒（ASFV）在猪体内感染的靶细胞，以及在靶细胞内延长感染的机制。这项研究系统阐明了ASFV感染的细胞嗜性、北京时间凌晨4点至6点，英伟达联合创始人兼CEO黄仁勋发表主题演讲《见证AI的变革时刻》，正式拉开了2024年英伟达GTC大会的序幕。黄仁勋宣布，正式推出名为Blackwell的新一代AI图形处理器（G 据法新社巴黎3月15日报道，15日发布的一项新的重要分析称，影响神经系统的疾病——如中风、偏头痛和痴呆症——已经超过心脏病，成为全球范围内导致人们健康损害的主要原因。据阿根廷布宜诺斯艾利斯经济新闻网报道，一项国际研究发现，阿尔茨海默病的早期症状可能表现在视力上。研究显示，即便眼科检查结果正常，但阅读、估计距离和触及物体的困难都是可能揭示阿尔茨海默病记者3月20日从西安交通大学第二附属医院获悉，该院皮肤病院夏育民教授科研团队研究设计了一种靶向抗双链抗体的D型模拟肽（D-ALW多肽）纳米微粒，成功应用于MRL/lpr红斑狼疮小鼠模型的治疗，为目前红斑。

本文链接：OpenAI藏了1年多的技术公开！15秒素材克隆声音，HeyGen也在用http://www.sushuapos.com/show-2-4435-0.html

声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。

上一篇： GPT4单项仅7.1分，揭露大模型写代码三大短板，最新基准测试来了

下一篇：我的领导马斯克：痛恨开会，不要非技术中层，推崇裁员

OpenAI藏了1年多的技术公开！15秒素材克隆声音，HeyGen也在用

用AI帮助病患恢复声音

安全问题需要全社会共同关注

热门资讯

推荐资讯

科技最热文章