繼文字、圖像和視訊之後，OpenAI 正在解決語音問題。 ChatGPT 的創作者透露了一款名為 Voice Engine 的新工具的預覽版，它可以複製任何聲音和任何口音：它所需要做的就是聽 15 秒的原始聲音。一些令人驚奇的事情......並且令人擔憂。
繼 ChatGPT 和 Dall-E 之後，OpenAI 幾週前推出了 Sora，這是一種可以根據簡單的文字請求生成極其逼真的影片的人工智慧。該型號也將上市年內。
令人不安的現實聲音
但這家加州公司並沒有就此止步：她確實展示了語音引擎，這是一種新工具，可以從 15 秒的錄音中複製聲音。結果也相當驚人，克隆的聲音聽起來非常真實，語調自然，接近模型的語調。 OpenAI 在其網站上在線發布了一些摘錄地點。
Voice Engine 的開發於 2022 年開始，基於耳語，優秀的人工智慧模型，旨在將語音轉錄和翻譯為文字。該 API 已用於讓 ChatGPT 進行對話。
OpenAI對於使用Voice Engine有幾個想法：該引擎可以為兒童和不識字的人提供閱讀幫助；翻譯內容（這也適用於法文）；與較少使用語言的人溝通；幫助失聲的人...
語音引擎也可以用作音訊播客的一部分，甚至可以用於廣播或創建有聲書（這讓這些領域的人類專業人士感到沮喪）。TechCrunch東方落下依照 OpenAI 的定價標準：100 萬個字元 15 美元（約 162,500 個單詞，相當於霧都孤兒狄更斯所著）。這是相當實惠的。
這個工具可能有最好的意圖，但不幸的是，毫無疑問它會被濫用於惡意目的。人工智慧的語音克隆已經證明了其危險性，特別是來自假喬拜登的真實自動呼叫。這就是 OpenAI 採取預防措施的原因。
OpenAI 首先認識到克隆選票會帶來嚴重風險，尤其是在繁忙的選舉年。這就是為什麼公司“與美國和國際政府、媒體、娛樂、教育、民間社會等領域的合作夥伴合作» 在開發過程中整合他們的回饋。
一方面，有權存取 Voice Engine 的合作夥伴遵守了 OpenAI 的使用條款，該條款禁止未經本人同意盜用身分或利用語音。這些合作夥伴還必須公佈顏色，並明確表明聲音是由人工智慧產生的。
另一方面，安全措施已經開發出來，例如追蹤聲音來源的浮水印和“主動監控其使用情況」。然而，很難完全放心……OpenAI 明確指出該技術並非人人可用”目前»。
透過發布此概述，該公司希望引發有關政策的辯論，旨在“保護人工智慧對人們聲音的使用» 等 «教育大眾了解人工智慧技術的能力和局限性」。等待第一張單據？
Opera One - AI 驅動的網頁瀏覽器
作者：歌劇
來源 ： 開放人工智慧
