每經編輯｜畢陸名(ming)

據參考消息13日援引美國趣味科學網站7月10日報道，科學家稱，微軟公司開發的新型人工智能(AI)語音生成器“達到了與人類相當的水平……但它太危險了，不能公開發布”。

報道稱，VALL-E 2是一個文本轉語音(TTS)生成器，只需利用幾秒鐘的音頻就能重現說話人的聲音。其效果非常逼真，以至于無法向公眾發布。

微軟研究人員在6月17日發表在預印本文獻庫上的一篇論文中稱，VALL-E 2能夠“準確、自然地生成與原說話人完全相同的語音，其生成的語音可與人類相媲美”。換句話說，這一新的AI語音生成器足夠逼真，會讓人誤以為這是真人在說話——至少它的創造者是這么認為。

圖片來源：視覺中國

微軟研究人員在論文中寫道：“VALL-E 2代表著神經編解碼語言模型的最新進展，它標志著零樣本文本轉語音合成的一個里程碑，并首次達到與人類語音相當的水平。”

論文還說：“此外，VALL-E 2能夠始終(zhong)如一地(di)合(he)成高質量語(yu)(yu)音，即使是那(nei)些(xie)傳統(tong)上因其復雜(za)性(xing)或重復短語(yu)(yu)而具有挑戰(zhan)性(xing)的(de)句(ju)子也(ye)不例(li)外。”

研究人員使用(yong)(yong)(yong)語音(yin)資料庫LibriSpeech和VCTK中的(de)(de)音(yin)頻樣(yang)本(ben)來(lai)評估VALL-E 2與說話人錄(lu)音(yin)的(de)(de)相似程(cheng)度。他們還使用(yong)(yong)(yong)了ELLA-V(一個(ge)用(yong)(yong)(yong)于衡量(liang)生(sheng)成(cheng)語音(yin)的(de)(de)準確性和質量(liang)的(de)(de)評估框架)來(lai)確定VALL-E 2能在多大程(cheng)度上有效處理更復雜(za)的(de)(de)語音(yin)生(sheng)成(cheng)任務。

研究(jiu)人員(yuan)寫道：“我們基于(yu)LibriSpeech和VCTK數據集進行的(de)實驗表明，VALL-E 2在語音的(de)穩健性、自然度(du)(du)、與說話人相(xiang)似度(du)(du)方面(mian)都超越了之前的(de)零樣(yang)本TTS系(xi)(xi)統(tong)。它是(shi)同(tong)類產品中第一個在這些(xie)基準上(shang)達到與人類相(xiang)當水平的(de)系(xi)(xi)統(tong)。”

微(wei)軟研究人員在一篇博客文章中寫道(dao)：“VALL-E 2純粹是一個(ge)研究項目。目前，我們還沒(mei)有將VALL-E 2納入(ru)產(chan)品或向公眾開放的計劃。在模(mo)型被濫(lan)用方(fang)面，它(ta)可(ke)能存在潛在的風險，比如(ru)欺(qi)騙語音識(shi)別系統或冒(mao)充特定的說(shuo)話人。”

盡(jin)管如(ru)此，他們(men)確實(shi)表示(shi)，AI語音(yin)技術在未來可(ke)(ke)能會有實(shi)際(ji)應(ying)用。研究人(ren)員稱：“VALL-E 2可(ke)(ke)以合(he)成維持說話人(ren)身份的語音(yin)，它可(ke)(ke)被(bei)用于教(jiao)育學(xue)習、娛樂、新聞工作(zuo)、自創內容(rong)、無障礙功能、交(jiao)互式語音(yin)應(ying)答系統、翻譯(yi)、聊天(tian)機(ji)器(qi)人(ren)等領域。”

另據(ju)公(gong)開報道，6月19日，在(zai)2024年戛納獅子國際創意節(jie)上，特(te)斯(si)(si)拉首席執行官埃隆(long)·馬斯(si)(si)克(ke)（Elon Musk）接受了全球知名營銷服(fu)務公(gong)司WPP首席執行官馬克(ke)·里德（Mark Read）專訪(fang)。在(zai)談到(dao)“人工(gong)智(zhi)能(neng)是(shi)否真(zhen)的(de)會為我(wo)們處理所有事務”時(shi)，馬斯(si)(si)克(ke)表示：我(wo)們不能(neng)盲目樂觀(guan)或過度悲觀(guan)。我(wo)非常(chang)贊同杰夫(fu)·辛(xin)頓（Jeff Hinton，人工(gong)智(zhi)能(neng)教父(fu)）的(de)觀(guan)點。他認為有10%到(dao)20%的(de)可能(neng)性會出現一(yi)些(xie)令(ling)人擔憂的(de)情(qing)境(jing)。然而，我(wo)們更應(ying)關注那80%的(de)積(ji)極可能(neng)性。

因此，我(wo)認(ren)為最有可(ke)(ke)能(neng)的(de)(de)未來是(shi)，我(wo)們(men)(men)將(jiang)(jiang)進入一(yi)個物質極度豐(feng)富的(de)(de)時代，商品和服(fu)務(wu)將(jiang)(jiang)普及(ji)到(dao)地球上的(de)(de)每一(yi)個人。這不(bu)僅僅意味著全民(min)基本收入，而(er)是(shi)全民(min)都能(neng)享受高收入。工(gong)作將(jiang)(jiang)變得可(ke)(ke)選(xuan)，人們(men)(men)將(jiang)(jiang)擁有選(xuan)擇(ze)是(shi)否工(gong)作的(de)(de)自由。

這樣的(de)(de)前(qian)景雖然(ran)誘(you)人，卻也可(ke)能(neng)引發一(yi)場有關生命意(yi)義的(de)(de)危(wei)機(ji)。當人工(gong)智能(neng)能(neng)夠勝任(ren)我們(men)所(suo)能(neng)做(zuo)(zuo)(zuo)的(de)(de)所(suo)有工(gong)作，甚至做(zuo)(zuo)(zuo)得更好時，我們(men)做(zuo)(zuo)(zuo)事的(de)(de)動(dong)機(ji)和意(yi)義又何(he)在(zai)呢(ni)？這可(ke)能(neng)會引發一(yi)種存(cun)在(zai)主義式的(de)(de)困惑，即我們(men)為(wei)何(he)還要去做(zuo)(zuo)(zuo)任(ren)何(he)事情(qing)？

所以，我(wo)(wo)(wo)認為(wei)我(wo)(wo)(wo)們(men)正邁向(xiang)一(yi)個(ge)前所未有的繁榮時(shi)代。同(tong)時(shi)，我(wo)(wo)(wo)們(men)也正處于(yu)歷史上最(zui)為(wei)有趣的時(shi)刻。有句(ju)諺語說的好，“愿你(ni)生活在(zai)有趣的時(shi)代”，這(zhe)(zhe)看似(si)是一(yi)種詛咒，但我(wo)(wo)(wo)認為(wei)我(wo)(wo)(wo)們(men)正身處于(yu)這(zhe)(zhe)樣(yang)一(yi)個(ge)時(shi)代。我(wo)(wo)(wo)的意思是，即使面對人(ren)(ren)工智能(neng)可能(neng)帶來的最(zui)壞結果(guo)，即人(ren)(ren)類被消滅，我(wo)(wo)(wo)也會選(xuan)擇(ze)直面而非逃避(bi)。我(wo)(wo)(wo)想，我(wo)(wo)(wo)可能(neng)真的愿意親(qin)眼見證(zheng)這(zhe)(zhe)一(yi)切的發展。

每日經濟新(xin)聞綜合參考消(xiao)息(xi)、公開消(xiao)息(xi)