网站制作的订单,长春公司做网站找哪个公司好,人力资源培训机构,邯郸网站设计费用大家好#xff0c;我是木易#xff0c;一个持续关注AI领域的互联网技术产品经理#xff0c;国内Top2本科#xff0c;美国Top10 CS研究生#xff0c;MBA。我坚信AI是普通人变强的“外挂”#xff0c;所以创建了“AI信息Gap”这个公众号#xff0c;专注于分享AI全维度知识… 大家好我是木易一个持续关注AI领域的互联网技术产品经理国内Top2本科美国Top10 CS研究生MBA。我坚信AI是普通人变强的“外挂”所以创建了“AI信息Gap”这个公众号专注于分享AI全维度知识包括但不限于AI科普AI工具测评AI效率提升AI行业洞察。关注我AI之路不迷路2024我们一起变强。 北美时间3月29日OpenAI继续大秀肌肉在一篇博客中发布并展示了一款AI合成语音的模型Voice Engine。Voice Engine的核心功能是从15秒的录音中生成接近说话者音色的自然语音。如果你上传自己的录音和一段文本它可以使用听起来像你的AI合成语音来读取文本。并且文本不必是母语。例如Voice Engine可以用中文、英语、西班牙语、法语或许多其他语言重新创建你的声音。 和之前公布的文本生成视频模型Sora一样OpenAI并没有公测Voice Engine这项技术而是仅对少部分内测用户开放。据OpenAI官方表示它仍在探索这项AI技术潜在的风险。与图像和视频生成模型一样语音生成模型很有可能被用在社交媒体上散布虚假信息并且可能被犯罪分子用来在网上或电话中冒充他人。OpenAI担心Voice Engine可能被用来破解银行账户和其他个人应用程序访问的声音认证系统。
OpenAI的产品经理Jeff Harris在接受采访时表示“This is a sensitive thing, and it is important to get it right. 这是一个敏感的问题正确处理它非常重要。”OpenAI正在探索为合成声音添加水印或控制措施以防止人们使用该技术模仿政治家或其他知名人物的声音。
Voice Engine早期应用场景
早在2022年底OpenAI就已开发Voice Engine并使用它来为文本转语音TTSAPI中的预设声音以及ChatGPT Voice和Read Aloud提供支持。OpenAI表示它一直抱着谨慎的态度防止AI合成的声音被滥用。目前Voice Engine正在进行小规模测试OpenAI将根据小规模测试结果做出关于是否以及如何在更大规模上部署这项技术的决定。
关于文本转语音TTS技术感兴趣的小伙伴可以看我之前的这篇文章ChatGPT最新功能“Text To Speech (TTS文本转语音)”详细解读
Voice Engine自去年开始的早期应用场景包括 教育辅助与个性化互动 通过听起来很自然、富有情感的声音为阅读障碍人群和儿童提供阅读辅助提供比一些预设声音更广泛的音色。致力于儿童学术的教育技术公司Age of Learning一直在使用这项技术来生成预设脚本的配音内容。他们还使用Voice Engine和GPT-4来创建实时、个性化的响应与学生互动。通过这项技术Age of Learning能够为更广泛的受众创造更多内容。 多语言视频和播客翻译 Voice Engine技术支持将内容如视频和播客翻译成多种语言使创作者和企业能够以自己的语言流利地触及全球观众。早期使用者之一是HeyGen这是一个AI视觉叙事平台与他们的企业客户合作为各种内容创建定制的、类人化的头像从产品营销到销售演示。他们使用Voice Engine进行视频翻译这样他们可以将说话者的声音翻译成多种语言并触及全球观众。当用于翻译时Voice Engine保留了原始说话者的本地口音例如使用法语说话者的音频样本生成的英语会带有法语口音。 提升偏远地区服务交付 通过改善偏远地区的基本服务交付触达全球社区。Dimagi正在为社区卫生工作者构建工具以提供各种基本服务例如为哺乳母亲提供咨询。为了帮助这些工作者发展他们的技能Dimagi使用Voice Engine和GPT-4以每位工作者的主要语言提供交互式反馈包括斯瓦希里语或像Sheng这样的非正式语言Sheng是肯尼亚流行的混合代码语言。 增强语言障碍人群的沟通能力 支持无法用语言进行沟通的人群例如为影响语言的疾病患者的治疗应用和为有学习需求的人提供教育增强。Livox是一个AI替代通讯应用程序为残疾人提供增强性和替代性通讯AAC设备。通过使用Voice Engine他们能够为非言语人群提供独特且非机械的声音涵盖多种语言。他们的用户可以选择最能代表他们的声音对于多语言用户来说可以在每种口语中保持一致的声音。 帮助患者恢复声音 帮助患者恢复声音。布朗大学医学院的主要教学附属机构Norman Prince Neurosciences Institute正在探索AI在临床环境中的用途。他们一直在试行一个项目为因肿瘤或神经原因导致言语障碍的个体提供Voice Engine。由于Voice Engine只需要15s之短的音频样本医生Fatima Mirza、Rohaid Ali和Konstantina Svokos能够恢复一位因脑血管肿瘤失去流利语言能力的年轻患者的的声音使用的是为学校项目录制的视频中的音频。
构建安全的Voice Engine
OpenAI再次强调在构建Voice Engine时充分意识到AI合成语音技术可能带来的风险尤其是在选举关键时期。为了确保这项技术的安全使用OpenAI积极与来自政府、媒体、娱乐、教育和民间社会的美国及国际合作伙伴进行沟通以获取他们的反馈和建议并将其融入到技术构建的过程中。
在测试阶段OpenAI与合作伙伴共同制定了严格的使用政策明确禁止未经授权的个人或组织声音模仿行为。合作伙伴需获取原始说话者的明确和知情同意同时确保开发者不为个人用户创建定制声音并要求向听众明确披露所听到的声音是由AI生成的。此外为了追踪音频来源并监控使用情况实施了包括水印技术和主动监控在内的安全措施。OpenAI还提倡建立声音认证机制和禁止声音列表以防止合成声音与知名人物过于相似确保技术的负责任部署。
面向未来的技术展望与社会责任
Voice Engine的开发体现了OpenAI对人工智能前沿技术的深入探索和对公开分享其潜力的承诺。在考虑到AI安全性的重要性和对社会的潜在影响下选择仅进行有限的预览而非全面发布旨在平衡技术的推广与其可能带来的风险。这一举措旨在展示该技术的潜力同时唤起社会对于由高度逼真的生成式AI模型所带来的挑战的关注和应对能力。
为了应对AI合成语音技术可能带来的挑战OpenAI提出了一系列具体的行动建议。这包括逐步淘汰基于声音的认证机制以增强对敏感信息的保护探索制定相关政策以保护个人声音不被滥用普及AI技术的教育提高公众对技术的理解和对潜在欺骗性内容的警觉以及加速开发能够追踪音视频内容来源的技术确保用户能够明确区分真人与AI的互动。
OpenAI博文原文
最后附上英文版的OpenAI博文原文 https://openai.com/blog/navigating-the-challenges-and-opportunities-of-synthetic-voices 精选推荐 完全免费白嫖GPT4的三个方法都给你整理好了 AI领域的国产之光ChatGPT的免费平替Kimi Chat Kimi Chat不仅仅是聊天深度剖析Kimi Chat 5大使用场景 我用AI工具5分钟制作一个动画微电影这个AI现在免费 当全网都在疯转OpenAI的Sora时我们普通人能做哪些准备——关于Sora你需要了解这些 文心一言4.0 VS ChatGPT4.0哪家强每月60块的文心一言4.0值得开吗 ChatGPT和文心一言哪个更好用一道题告诉你答案 字节推出了“扣子”国内版的Coze但是我不推荐你用 白嫖GPT4Dalle3和GPT4V - 字节开发的Coze初体验附教程及提示词Prompt 2024年了你还在用百度翻译手把手教会你使用AI翻译一键翻译网页和PDF文件 都读到这里了点个赞鼓励一下吧小手一赞年薪百万。关注我AI之路不迷路原创技术文章第一时间推送。
