Meta稱研製出迄今最複雜人工智能語音模型。圖片來源：英國《每日郵報》網站
科技日報記者 劉霞
據英國《每日郵報》23日報道，臉書母公司元宇宙平台公司（Meta）稱，其已研製出“迄今功能最強大的語音生成式人工智能Voicebox”，它能夠模仿任何人的聲音，包括逝者。不過，由於擔心這項先進技術會被濫用，Meta宣布不會公開其人工智能模型。
Meta公司深度學習人工智能研究人員在介紹Voicebox時指出，Voicebox使用了“流匹配”方法，其表現優於當前最先進生成式語音係統使用的擴散模型。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%，低於競爭對手的5.9%。此外，Voicebox生成的音頻與真人的相似性更高，同時速度快了近20倍。
在跨語言翻譯時，Voicebox的表現優於備受讚譽的多語言文本—語音AI YourTS，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，稱其可用來幫助視障人士聽到朋友和親人的信息，或允許非母語人士用自己的聲音翻譯自己所說的話。據悉，Voicebox目前能說6種語言：英語、法語、西班牙語、德語、波蘭語和葡萄牙語。
不過，Meta強調稱，由於潛在的濫用風險，他們目前不會公開Voicebox模mo型xing及ji其qi代dai碼ma。雖sui然ran他ta們men認ren為wei向xiang人ren工gong智zhi能neng社she區qu開kai放fang並bing分fen享xiang研yan究jiu，對dui於yu推tui動dong人ren工gong智zhi能neng向xiang前qian邁mai進jin非fei常chang重zhong要yao，但dan在zai開kai放fang與yu責ze任ren之zhi間jian取qu得de正zheng確que的de平ping衡heng也ye至zhi關guan重zhong要yao。
總編輯圈點
ChatGPT橫(heng)空(kong)出(chu)世(shi)半(ban)年(nian)多(duo)時(shi)間(jian)，人(ren)們(men)已(yi)然(ran)深(shen)刻(ke)感(gan)受(shou)到(dao)人(ren)工(gong)智(zhi)能(neng)語(yu)言(yan)模(mo)型(xing)的(de)強(qiang)大(da)。對(dui)於(yu)各(ge)種(zhong)提(ti)問(wen)，它(ta)都(dou)能(neng)對(dui)答(da)如(ru)流(liu)，令(ling)人(ren)驚(jing)歎(tan)。試(shi)想(xiang)一(yi)下(xia)，如(ru)果(guo)人(ren)工(gong)智(zhi)能(neng)在(zai)回(hui)答(da)人(ren)類(lei)的(de)提(ti)問(wen)時(shi)，不(bu)僅(jin)內(nei)容(rong)形(xing)式(shi)酷(ku)似(si)真(zhen)人(ren)，就(jiu)連(lian)聲(sheng)音(yin)也(ye)令(ling)人(ren)真(zhen)假(jia)難(nan)辨(bian)，用(yong)戶(hu)恐(kong)怕(pa)會(hui)感(gan)受(shou)到(dao)更(geng)強(qiang)的(de)衝(chong)擊(ji)力(li)。而(er)後(hou)者(zhe)，正(zheng)是(shi)語(yu)音(yin)生(sheng)成(cheng)式(shi)人(ren)工(gong)智(zhi)能(neng)要(yao)實(shi)現(xian)的(de)目(mu)標(biao)。不(bu)過(guo)，正(zheng)如(ru)文(wen)中(zhong)所(suo)言(yan)，這(zhe)些(xie)強(qiang)大(da)的(de)技(ji)術(shu)確(que)實(shi)有(you)被(bei)濫(lan)用(yong)的(de)可(ke)能(neng)，在(zai)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)不(bu)斷(duan)升(sheng)級(ji)迭(die)代(dai)的(de)同(tong)時(shi)，相(xiang)關(guan)監(jian)管(guan)與(yu)倫(lun)理(li)約(yue)束(shu)也(ye)要(yao)及(ji)時(shi)“上路”。
