據英國《每日郵報》23日報道，臉書(shū)母公司元宇宙平臺公司（Meta）稱(chēng)，其已研制出“迄今功能最強大的語(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)，由于擔心這項先進(jìn)技術(shù)會(huì )被濫用，Meta宣布不會(huì )公開(kāi)其人工智能模型。

Meta公司深度學(xué)習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，其表現優(yōu)于當前最先進(jìn)生成式語(yǔ)音系統使用的擴散模型。結果顯示，Voicebox生成的人工音頻更容易理解，單詞錯誤率為1.9%，低于競爭對手的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的表現優(yōu)于備受贊譽(yù)的多語(yǔ)言文本—語(yǔ)音AIYourTS，單詞平均錯誤率從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(chēng)其可用來(lái)幫助視障人士聽(tīng)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(huà)。據悉，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強調稱(chēng)，由于潛在的濫用風(fēng)險，他們目前不會(huì )公開(kāi)Voicebox模型及其代碼。雖然他們認為向人工智能社區開(kāi)放并分享研究，對于推動(dòng)人工智能向前邁進(jìn)非常重要，但在開(kāi)放與責任之間取得正確的平衡也至關(guān)重要。

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)言模型的強大。對于各種提問(wèn)，它都能對答如流，令人驚嘆。試想一下，如果人工智能在回答人類(lèi)的提問(wèn)時(shí)，不僅內容形式酷似真人，就連聲音也令人真假難辨，用戶(hù)恐怕會(huì )感受到更強的沖擊力。而后者，正是語(yǔ)音生成式人工智能要實(shí)現的目標。不過(guò)，正如文中所言，這些強大的技術(shù)確實(shí)有被濫用的可能，在人工智能技術(shù)不斷升級迭代的同時(shí)，相關(guān)監管與倫理約束也要及時(shí)“上路”。