OpenAI再發(fā)大招推出Voice Engine!讓失語(yǔ)者發(fā)聲只需要15秒音頻...
作者:小巖
編輯:彩云
許久沒(méi)有新動(dòng)作的OpenAI最近顯得頗為低調(diào)。但事實(shí)上,對(duì)于這些卷的不能再卷的AI頭部公司而言,沒(méi)有人是敢躺平的。大家不是在發(fā)布新品,就是在研發(fā)新品的路上。
3月30日,OpenAI宣布推出全新的人工智能模型——Voice Engine。這并非是一個(gè)全新的模型,事實(shí)上,自2022年開(kāi)始,OpenAI便默默布局,開(kāi)展了對(duì)于該模型的研發(fā)工作。
工作原理簡(jiǎn)單而高效!能夠駕馭合成聲音所帶來(lái)的挑戰(zhàn)和機(jī)遇。
對(duì)于這款最新發(fā)布的模型,OpenAI官方推特的措辭異常小心而謹(jǐn)慎,它表示,“我們正在分享從 Voice Engine模型的小規(guī)模預(yù)覽中獲得的經(jīng)驗(yàn)體會(huì)”。事實(shí)上,Voice Eengine所呈現(xiàn)出來(lái)的工作效率的確是簡(jiǎn)單而高效的。
Voive Engine最大的特點(diǎn)在于語(yǔ)音克隆。其中的工作原理很簡(jiǎn)單:用戶僅需通過(guò)電話或電腦麥克風(fēng)錄制一段15秒的聲音片段,OpenAI的語(yǔ)音引擎便能生成“與其聲音高度相似的自然語(yǔ)音”。在此之后,無(wú)論是面對(duì)什么樣的文本,它都能以近乎完美的克隆聲音進(jìn)行朗讀。
這項(xiàng)技術(shù)的問(wèn)世,顯然會(huì)對(duì)那些經(jīng)常錄制自己語(yǔ)音的人,諸如播客,配音藝術(shù)家,口語(yǔ)表演者,有聲書(shū)和廣告解說(shuō)員,游戲玩家,流媒體主播,客戶服務(wù)代理,銷售人員等眾多職業(yè)產(chǎn)生重大影響。
除此之外,OpenAI還特別強(qiáng)調(diào)了語(yǔ)音引擎在支持非語(yǔ)言個(gè)體方面的獨(dú)特能力。它能為這些個(gè)體提供個(gè)性化的,非機(jī)械化的聲音,為那些有語(yǔ)言障礙或?qū)W習(xí)需求的人提供治療和教育方面的幫助。
一旦技術(shù)得以成行,Voice Engine不僅能實(shí)現(xiàn)更真實(shí)的人聲復(fù)刻,更重要的是,它還能適用于各種場(chǎng)景的應(yīng)用,諸如為孩童朗讀故事,企業(yè)產(chǎn)品介紹,醫(yī)療咨詢服務(wù),為語(yǔ)言障礙者提供幫助等。它不僅支持多種語(yǔ)言,更能模仿出不同的語(yǔ)調(diào)和情感,應(yīng)用不可謂不廣泛。
Voice Engine由來(lái)已久,相關(guān)應(yīng)用早已有之。
正如我們前文所提到的那樣,早在 2022 年底,OpenAI 便開(kāi)發(fā)了 Voice Engine 并將其用于支持文本到語(yǔ)音 API 中的預(yù)設(shè)語(yǔ)音以及 ChatGPT 語(yǔ)音和朗讀。所以,在展望Voice Engine未來(lái)可能產(chǎn)生的廣泛應(yīng)用場(chǎng)景之前,我們不妨看看它曾經(jīng)有過(guò)哪些實(shí)用案例。
首先,Voice Engine可以通過(guò)自然,富有感情的聲音為非閱讀者和兒童提供閱讀幫助。這些聲音不是呆板的預(yù)設(shè)聲音,它代表了更廣泛的說(shuō)話者。譬如一家名為Age of Learning 的教育技術(shù)公司就一直在使用 Voice Engine 生成預(yù)設(shè)的畫(huà)外音(voice-over)內(nèi)容。他們還利用 Voice Engine 和 GPT-4 創(chuàng)建實(shí)時(shí)且個(gè)性化的回應(yīng),從而與學(xué)生進(jìn)行互動(dòng)。
其次,Voice Engine可以翻譯視頻和播客等方面的內(nèi)容。通過(guò)使用Voice Engine,創(chuàng)作者和企業(yè)可以用自己的聲音流利地向世界各地更多的人進(jìn)行傳播。據(jù)悉,HeyGen便是這方面的早期應(yīng)用者之一。HeyGen是一個(gè)人工智能視覺(jué)故事平臺(tái),通過(guò)使用 Voice Engine 進(jìn)行視頻翻譯,將演講者的聲音翻譯成多種語(yǔ)言,從而覆蓋全球受眾。值得一提的是,即便是翻譯,Voice Engine也會(huì)保留原說(shuō)話者的母語(yǔ)口音,譬如帶有法語(yǔ)口音的英語(yǔ)等。
此外,Voice Engine可以為不會(huì)說(shuō)話的人群提供支持:為患有影響語(yǔ)言的疾病的人群提供治療應(yīng)用;為有學(xué)習(xí)需求的人群提供教育增強(qiáng)功能等。譬如它能夠?yàn)椴粫?huì)說(shuō)話的人群提供多種語(yǔ)言的獨(dú)特非機(jī)器人語(yǔ)音。用戶可以選擇最能代表自己的語(yǔ)音,對(duì)于多語(yǔ)種用戶,它也能使每種口語(yǔ)都保持一致的語(yǔ)音。
擔(dān)心合成技術(shù)可能會(huì)被濫用,暫時(shí)沒(méi)有完全公開(kāi)的計(jì)劃。
盡管語(yǔ)音生成式AI被認(rèn)為是OpenAI的又一次巨大突破,但很顯然,官方并不急于向外界完全公開(kāi)Voice Engine。究其原因,主要是因?yàn)楹铣烧Z(yǔ)音技術(shù)具有巨大的風(fēng)險(xiǎn),很可能會(huì)被濫用。特別是最近一段時(shí)期,由合成語(yǔ)音引發(fā)的電信詐騙,版權(quán)侵害等社會(huì)風(fēng)險(xiǎn)問(wèn)題層出不窮,這些都是OpenAI做出“暫不公開(kāi)”選擇的重要原因。OpenAI也表示,在開(kāi)發(fā)的過(guò)程中,一直在與政府,媒體,教育等社會(huì)各界的美國(guó)和國(guó)際合作伙伴接觸,保證聽(tīng)取和采納反饋。特別當(dāng)下這處于美國(guó)大選時(shí)期,OpenAI又正與政府和外部企業(yè)合作,勢(shì)必會(huì)采取必要的安全措施和謹(jǐn)慎的態(tài)度。
無(wú)獨(dú)有偶,OpenAI于2月推出了視頻生成AI“Sora”也同樣未對(duì)外界公開(kāi)。面對(duì)生成式AI技術(shù)日益普及所引發(fā)的濫用風(fēng)險(xiǎn),OpenAI對(duì)商用化明顯采取了較審慎的態(tài)度,以確保安全和負(fù)責(zé)任的使用。
當(dāng)然,我們無(wú)法否認(rèn),生成式AI的潛力是無(wú)窮的,終究要有落地應(yīng)用的一天。相較于始終保持“審慎開(kāi)放”,乃至“拒絕開(kāi)放”的態(tài)度,我們莫不如提前做好評(píng)估和防范。譬如要逐步淘汰基于語(yǔ)音的身份驗(yàn)證作為訪問(wèn)銀行賬戶和其他敏感信息的安全措施;教育公眾了解AI技術(shù)的能力和局限性,包括存在欺騙性AI內(nèi)容的可能性;加快開(kāi)發(fā)和采用追蹤視聽(tīng)內(nèi)容來(lái)源的技術(shù),以便隨時(shí)明確您是與真人還是與AI互動(dòng)等舉措,都是勢(shì)在必行的。無(wú)論OpenAI是否會(huì)廣泛部署這項(xiàng)技術(shù),我們大家都要了解它的發(fā)展方向。
最后,我們?cè)賮?lái)討論一個(gè)問(wèn)題:在生成式AI領(lǐng)域,OpenAI是否依舊領(lǐng)跑?
從2022年便孵化出了Voice Engine這一點(diǎn)來(lái)看,OpenAI是早就開(kāi)始布局合成語(yǔ)音這一賽道了。從某種程度上說(shuō),現(xiàn)在分享的最早期版本很可能只是在小秀肌肉,內(nèi)部應(yīng)該已經(jīng)完成了強(qiáng)力迭代。而且,根據(jù)The Information的獨(dú)家報(bào)道,微軟和OpenAI將合力打造一臺(tái)成本高達(dá)1000億美元,擁有數(shù)百萬(wàn)個(gè)GPU的超級(jí)計(jì)算機(jī)“Stargate (星門(mén))”。它將為OpenAI的人工智能提供巨大的動(dòng)力和算力會(huì),不夸張的說(shuō),照比現(xiàn)在微軟給OpenAI的支持直接提升幾個(gè)量級(jí)。
此外,從OpenAI通篇官宣文來(lái)看,OpenAI不會(huì)在短期內(nèi)向公眾推出合成語(yǔ)音領(lǐng)域的更新了,畢竟這個(gè)賽道日趨敏感。這或許是出于重塑企業(yè)形象和公信力的需要。未來(lái)我們或許可以期待OpenAI將Sora和Voice Engine以怎樣的模式集成到下一代 GPT。一旦這樣的GPT得以成行,OpenAI在生成式領(lǐng)域的霸主地位將不可動(dòng)搖。
原文標(biāo)題 : 新火種AI|OpenAI再發(fā)大招推出Voice Engine!讓失語(yǔ)者發(fā)聲只需要15秒音頻...
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場(chǎng)仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國(guó)智造CIO在線峰會(huì)
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書(shū)》
推薦專題
- 1 【一周車話】沒(méi)有方向盤(pán)和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無(wú)人駕駛車,還未迎來(lái)“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 大模型“新星”開(kāi)啟變現(xiàn)競(jìng)速
- 6 海信給AI電視打樣,12大AI智能體全面升級(jí)大屏體驗(yàn)
- 7 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 8 馬斯克致敬“國(guó)產(chǎn)蘿卜”?
- 9 神經(jīng)網(wǎng)絡(luò),誰(shuí)是盈利最強(qiáng)企業(yè)?
- 10 比蘋(píng)果偉大100倍!真正改寫(xiě)人類歷史的智能產(chǎn)品降臨
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門(mén)市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市