(资料图片仅供参考)
Meta称研制出迄今最复杂人工智能语音模型。图片来源:英国《每日邮报》网站
科技日报记者 刘霞
据英国《每日邮报》23日报道,脸书母公司元宇宙平台公司(Meta)称,其已研制出“迄今功能最强大的语音生成式人工智能Voicebox”,它能够模仿任何人的声音,包括逝者。不过,由于担心这项先进技术会被滥用,Meta宣布不会公开其人工智能模型。
Meta公司深度学习人工智能研究人员在介绍Voicebox时指出,Voicebox使用了“流匹配”方法,其表现优于当前最先进生成式语音系统使用的扩散模型。结果显示,Voicebox生成的人工音频更容易理解,单词错误率为1.9%,低于竞争对手的5.9%。此外,Voicebox生成的音频与真人的相似性更高,同时速度快了近20倍。
在跨语言翻译时,Voicebox的表现优于备受赞誉的多语言文本—语音AI YourTS,单词平均错误率从10.9%降低到5.2%,音频相似度从0.335提高到0.481。
Meta阐述了Voicebox的多种用途,称其可用来帮助视障人士听到朋友和亲人的信息,或允许非母语人士用自己的声音翻译自己所说的话。据悉,Voicebox目前能说6种语言:英语、法语、西班牙语、德语、波兰语和葡萄牙语。
不过,Meta强调称,由于潜在的滥用风险,他们目前不会公开Voicebox模型及其代码。虽然他们认为向人工智能社区开放并分享研究,对于推动人工智能向前迈进非常重要,但在开放与责任之间取得正确的平衡也至关重要。
总编辑圈点
ChatGPT横空出世半年多时间,人们已然深刻感受到人工智能语言模型的强大。对于各种提问,它都能对答如流,令人惊叹。试想一下,如果人工智能在回答人类的提问时,不仅内容形式酷似真人,就连声音也令人真假难辨,用户恐怕会感受到更强的冲击力。而后者,正是语音生成式人工智能要实现的目标。不过,正如文中所言,这些强大的技术确实有被滥用的可能,在人工智能技术不断升级迭代的同时,相关监管与伦理约束也要及时“上路”。