微（wēi）软研究人员展示了一种令（lìng）人印象深刻的新型文本转（zhuǎn）语音人工智（zhì）能模（mó）型（xíng），名（míng）为Vall-E，它可以只听声（shēng）音几秒钟（zhōng），然后模（mó）仿声音——包括情感语调（diào）和音响效果——说出你想说的任何话。

这（zhè）是许多人工智能算法中最新的一种，它们可以利用（yòng）一个人的声音录音（yīn），让它说出（chū）这个人从未说过的单词和句子——而且它只（zhī）需要一小段音频就能推断出（chū）整个人类的声音，这是非常了不起的（de）。例如，2017年（nián）蒙特利尔大（dà）学的Lyrebird算法需要整（zhěng）整一分钟的语音来分析，而Vall-E只需要三（sān）秒（miǎo）钟的（de）音频（pín）片段。

人工智能已经接受（shòu）了大约6万小时的英语演讲训练（liàn）——似乎主要是通过有声（shēng）读物（wù）解（jiě）说员，研究（jiū）人员提（tí）供了大量样本，在这（zhè）些样本中，Vall-E试图操纵一系列人类的声音。有些（xiē）人在捕捉声音的（de）本质和构建听起来自然（rán）的新句子方面做得非常出色——你很难分辨出哪个是真实的声（shēng）音，哪（nǎ）个是（shì）合成的（de）。在其他情况（kuàng）下，唯（wéi）一的漏洞是人工（gōng）智能（néng）将重点放在句子中奇怪的地方。

Vall-E在（zài）重新创建原始示（shì）例的音频环境方面做得特别（bié）好。如（rú）果样本听起来像通过电话录制的（de），那么合成也是如此。它在口音方面也很不错——至少是（shì）美式、英式和一些欧洲口音。

在情感方（fāng）面，结果（guǒ）就不那么令人（rén）印象（xiàng）深（shēn）刻了。使用愤（fèn）怒、困倦、有趣或厌（yàn）恶的（de）语音（yīn）样本似乎会让事情偏离轨道，合成出来的声音（yīn）听（tīng）起来扭曲得很奇怪。

这类技术的影（yǐng）响非（fēi）常明显;从积极的方面（miàn）来看，将来你在超市（shì）里推（tuī）手推车的时（shí）候，可（kě）以让（ràng）摩（mó）根·弗里曼(Morgan Freeman)为你的购物清单念一遍。如果（guǒ）演员在电影中中途死亡，他们（men）可以使用（yòng）这样的系统通过（guò）深度伪造的视频和（hé）音频来完成表演。苹果公司最近（jìn）推出了（le）一套由人工智（zhì）能为你朗读的有声（shēng）读物目录，很显然，你很快就能（néng）在飞行中切换（huàn）旁白。

消（xiāo）极的一面是，这对配（pèi）音演员和叙述（shù）者（zhě）来说（shuō）并（bìng）不（bú）是什么好消（xiāo）息（xī）。或者对（duì）听众来说（shuō）;人工（gōng）智能或（huò）许（xǔ）能够快速且廉价地完（wán）成叙（xù）述，但不要指望它（tā）有太多（duō）艺（yì）术（shù）元素。他们不会（huì）像史（shǐ）蒂芬·弗莱那（nà）样解读道格拉斯（sī）·亚当（dāng）斯。

骗子的潜力（lì）也非常大。如果一个骗子（zǐ）能（néng）让你（nǐ）在电话上停留三（sān）秒钟，他们就能窃取你（nǐ）的声音，然后（hòu）用它给你的奶奶（nǎi）打电话。或者绕（rào）过任何语音识别安（ān）全设备。这正是（shì）终结（jié）者机（jī）器人打电话（huà）时（shí）需要的东西。

当然，每个人（rén）都（dōu）还在等待这样一个时刻：一个（gè）政治（zhì）人物的第一次深度伪造的演讲，欺骗（piàn）了足够多的人（rén），破坏了（le）相信你的眼睛和（hé）耳朵的概念——就（jiù）好像（xiàng）客观真理在这（zhè）个奇怪的（de）时（shí）代还没有受到攻（gōng）击一（yī）样。

微软（ruǎn）Vall-E团队（duì）在其（qí）演示页面的末尾附（fù）加（jiā）了一（yī）份简短的道德声明:“这项工作中的实验是在假设模型的用户是目标说话者并已得到说话（huà）者的批准的情况下进行的。然而（ér），当模型推（tuī）广到看不（bú）见的演讲者时，相关的组（zǔ）件应该（gāi）伴随（suí）着语音编（biān）辑模型，包括确保（bǎo）演讲者（zhě）同意（yì）执行（háng）修改的（de）协议和检测编辑后的语音的系统。”

像（xiàng）DALL-E、ChatGPT、各种deepfake算法（fǎ）和无数其他创造性（xìng）人工智能的（de）崛起，感（gǎn）觉在过去几个（gè）月里正处于一个拐点，开始冲（chōng）出实验室（shì），进入现实世界。与所有变（biàn）化一样，它带来了（le）机遇和风险。我们真（zhēn）的生活在（zài）一个有趣的（de）时代。