现在人工智能合成的声音单调简单，但这只是技术成熟，即将大规模商业化的标志。
近年来，由于机器学习技术的进步，语音合成有了很大的提高。过去最逼真的合成声音是由人声演员录制的，他们的一整段讲话被切割成不同的单个单词，然后这些单个单词像“活字印刷”一样拼接在一起，形成新的句子。现在，神经网络可以根据目标语音的未分类数据进行训练，从而从零开始生成某人说话的原始音频，并且它可以更快、更容易、更真实地达到目标结果。其实做这些“合成音”也没什么特别的。许多初创公司已经在提供类似的服务。只要在谷歌或百度上搜索“AI语音合成”或“AI语音deepfakes”，就会发现这项技术的应用相当普遍。
目前，市场上提供这种服务的公司包括像like这样的初创公司。AI、贝贝科技和Respeecher(只专注于语音合成)以及科大讯飞、搜狗和威瑞通等上市公司。在所有的应用场景中，“合成”名人的声音可能在未来几年最为突出。毕竟品牌和大众对名人的声音有天然的需求，名人也希望通过合成和出租自己的声音来增加收入。今年早些时候，一家名为Veritone的公司推出了这样一项服务。该公司推出了一个名为漫威的新平台。AI，它将允许创作者、媒体人和其他人合成名人的声音，并根据他们的意愿授权。
“声音是名人、运动员和演员的巨大财富，也是他们品牌的一部分，”Veritone总裁瑞安斯蒂尔伯格说。“他们想接受这些工作，但他们没有足够的时间去录音室录制音频内容。”还有漫威。AI，任何人都可以创建自己声音的“合成版本”，并在他们认为合适的时候使用它。大明星睡觉的时候，他们的声音可能是在录广播节目，在看有声读物等等。斯蒂尔伯格说，这个平台甚至可以通过使用存档的录音来训练人工智能模型，以“复活”死者的声音。正如Steelberg解释的那样，其广告子公司Veritone One在播客方面投入巨大，每月与有影响力的人进行超过75000次“广告整合”。“主要是名人配音赞助和商业广告。这非常有效，但也非常昂贵和耗时。”他说。Veritone公司的另一个部门Veritone Licensing获得了一些主要档案的视频授权。包括哥伦比亚广播公司(CBS)和美国有线电视新闻网(CNN)等广播公司以及NCAA和美国网球公开赛(US Open)等体育组织拥有的档案。
斯蒂尔伯格说：“你看到电影中阿波罗登月的镜头，或者耐克广告中体育明星的内容，都是通过Veritone获得的。正是这种在授权和广告方面的经验，将使Veritone比纯粹专注于技术的人工智能创业公司更具优势。”这样的应用实际上正在出现。例如，电影明星布鲁斯威利斯(Bruce Willis)已经授权他的形象在俄罗斯移动广告中用作视觉深度假。这笔交易让他足不出户就能赚钱，而广告公司则得到了一个可塑性极强的演员(而且值得注意的是年轻版的威利斯直接来自他的《虎胆龙威》)。我们比较熟悉的案例是地图软件中的导航语音。在2018世界机器人大会上，科大讯飞董事长刘庆峰表示，用AI合成声音非常方便，导航用的林志玲和郭德纲的声音其实都是科大讯飞合成的。
显然，只要他们愿意授权，这些合成的视频和音频可以加快名人的“变现”能力。同时，语音合成技术已经被植入到音频编辑软件和其他工具中。在美国公司Descript开发的同名播客编辑软件中，“Overdub”功能允许播客创建一种人工智能合成的声音，以便制作人快速修改其音频。正如Description首席执行官安德鲁梅森(Andrew Mason)所说，“你不仅可以删除Description中的文字，让它删除音频，还可以输入文字，它会用你的声音生成音频。”
当然，Overdub产生的语音合成并不完美。他们的语调有一种奇怪的颤音，缺乏真实的情感和强调的能力。所以，能够随意合成声音，并不意味着人类的声音从此多余。其实你当然可以通过一点点的人工剪辑来提高音质，但是基于现有的自动化技术，他们还是达不到专业人士所能达到的变调范围。正如语音艺术家安迪亚温斯洛(Andia Winslow)所说，虽然人工智能语音可能对机械化语音工作(内部消息系统、自动公告等)有用。)，在很多应用中，它们无法与人类抗衡。温斯洛说，“对于那些需要呼吸和活力的重要产品，他们不会走那条路，部分原因是这些品牌喜欢和他们雇佣的名人合作。”
但是这项技术对普通大众意味着什么呢？对于我们这些知名度不够高，无法从这项技术中受益，并且在专业上没有受到这项技术发展威胁的人来说，潜在的应用也是多种多样的。首先，在电子游戏中，角色创建屏幕上有一个额外的选项来创建合成声音，因此听起来像是玩家在谈论游戏中的所有对话。或者有一个app，可以让父母合成声音，让他们在孩子不在身边的时候给孩子读睡前故事。这个应用可以用现有的技术来完成。当然，AI合成语音也有潜在的危险。“与时俱进”的骗子早已利用语音合成行骗，其他恶意滥用也遍地开花。比如想象一下，一个高中生偷偷录下一个同学的声音，然后伪造这个人说老师坏话的音频。或者说，在企业中，一个员工合成公司高管的声音，然后随意“发号施令”。如果我们想到各种恶搞的视频图片，假色情，甚至是视觉deepfake造成的政治误传，就可以知道，对于AI合成语音的担心从来都不是多余的。但有一点是肯定的：在未来，如果他们愿意，任何人都可以创造自己的人工智能合成语音。只是这个游戏的规则还没制定出来。
暂无讨论，说说你的看法吧
