微软研（yán）究人员（yuán）展示了（le）一种令人（rén）印象深（shēn）刻的（de）新（xīn）型文本转语音人工智能模型，名为Vall-E，它可以只听声（shēng）音几秒钟，然后模仿声音——包括情感语调和音（yīn）响效果——说出你想（xiǎng）说的（de）任何话。

这（zhè）是许多人工（gōng）智能算法中最新的一种，它（tā）们可以（yǐ）利用（yòng）一个人的声音（yīn）录（lù）音，让它说出（chū）这个人从未说过的单词和句子——而且它只需（xū）要一（yī）小段音频（pín）就能推（tuī）断出（chū）整个人类（lèi）的声音，这是非（fēi）常（cháng）了不（bú）起的（de）。例如，2017年蒙特利尔大学的Lyrebird算（suàn）法需（xū）要整整一分钟的（de）语音（yīn）来分析，而（ér）Vall-E只需要三（sān）秒（miǎo）钟的音频片段。

人工智能（néng）已经接受了大约6万小时的英语演讲训（xùn）练——似乎主（zhǔ）要（yào）是（shì）通过有（yǒu）声读物解（jiě）说（shuō）员，研究人员提供（gòng）了大量样本，在这些样本中，Vall-E试图（tú）操纵一系列人类的声音。有些人在（zài）捕捉声音的本质（zhì）和构建听起来自然的新句子方面做得非常出色——你很难（nán）分辨出哪（nǎ）个是真实（shí）的声音（yīn），哪个（gè）是合成的（de）。在其他情（qíng）况下（xià），唯（wéi）一的漏洞是人工智能将（jiāng）重点放在句子中奇（qí）怪的地方。

Vall-E在重新创建原始示例的音（yīn）频环（huán）境方面（miàn）做得特别（bié）好。如果样本（běn）听起来像（xiàng）通过电话录制的，那么合（hé）成也是如（rú）此。它在口音（yīn）方面也（yě）很不（bú）错——至少是美式、英式（shì）和一些欧洲口音。

在（zài）情感方面，结果就不那么令（lìng）人印象深刻了。使用愤怒、困倦、有趣或厌恶（è）的语音样本似乎会（huì）让事情（qíng）偏离轨（guǐ）道，合成出来的声音听起来扭（niǔ）曲得很奇怪（guài）。

这类技（jì）术的影响非常明显（xiǎn）;从积极的方面来（lái）看，将来你在（zài）超（chāo）市里推手推车的时候，可以（yǐ）让摩（mó）根·弗（fú）里曼(Morgan Freeman)为你的购物清单（dān）念一遍。如（rú）果演（yǎn）员（yuán）在电（diàn）影中（zhōng）中途死亡（wáng），他们可（kě）以使用这样的系统通（tōng）过深度伪造的视频和音频来完（wán）成表演。苹果公司最近（jìn）推出了一（yī）套由人工智能（néng）为你朗读的有声读（dú）物目录，很显然，你很快就能在飞行中切（qiē）换旁白。

消极的（de）一面（miàn）是，这（zhè）对配音演员（yuán）和叙述者来说并（bìng）不是什么好消（xiāo）息。或者对听众来说;人工（gōng）智能（néng）或许能够快速且廉价（jià）地完成（chéng）叙述，但不要（yào）指望它有太多艺术（shù）元素（sù）。他们不会像史（shǐ）蒂芬·弗莱那样解读道格拉（lā）斯·亚当斯。

骗子的潜力（lì）也（yě）非（fēi）常大。如果一个（gè）骗子（zǐ）能让你在电话上停留三秒钟（zhōng），他们（men）就能窃取你（nǐ）的声音，然后用它给你的奶奶打电话。或者绕过任何语音（yīn）识别安全设备。这正是终结者机（jī）器人打电话时需要的东（dōng）西。

当然，每（měi）个人都还在等待这样一（yī）个时（shí）刻：一个政治人物的第一（yī）次深度伪造的演（yǎn）讲，欺骗了足够多的人，破（pò）坏了相信你的眼睛（jīng）和耳朵的概念——就好像客观真理在这个奇（qí）怪的时代还没有受到攻击一样。

微软（ruǎn）Vall-E团队在其演（yǎn）示页面的末尾附加了一份简短的道德声明:“这项（xiàng）工作中（zhōng）的（de）实验是（shì）在假设模型（xíng）的用户是目（mù）标说话者（zhě）并已（yǐ）得（dé）到说话者的批准（zhǔn）的（de）情况（kuàng）下进行的（de）。然而，当模型推广（guǎng）到看不（bú）见的演（yǎn）讲者时，相关（guān）的组件应（yīng）该伴随着语音（yīn）编（biān）辑（jí）模型，包括确保演讲者同（tóng）意执（zhí）行修改的协议和检测编辑后（hòu）的语（yǔ）音的系统。”

像DALL-E、ChatGPT、各种deepfake算法和无数其他创造性人工智能的崛起，感觉（jiào）在（zài）过（guò）去几（jǐ）个月里正处（chù）于一个拐点，开始冲出实验室，进（jìn）入现实（shí）世界。与所（suǒ）有变化一样，它（tā）带（dài）来了机遇和（hé）风（fēng）险。我们真的（de）生活在一个（gè）有（yǒu）趣的时（shí）代。