微软研究人员展（zhǎn）示了一种（zhǒng）令人印象深（shēn）刻（kè）的新型文本转语音（yīn）人工智能（néng）模型（xíng），名（míng）为Vall-E，它（tā）可以只听声音（yīn）几秒钟，然后模（mó）仿声音——包括（kuò）情（qíng）感语调（diào）和音响效果——说出（chū）你想说的任何话（huà）。

这是许多人工智能算（suàn）法中最（zuì）新的一种（zhǒng），它（tā）们可以利用一（yī）个（gè）人的声音录音（yīn），让它（tā）说出这个人（rén）从未说过的单词和句（jù）子——而且它只需要一小段音频就能推断出整（zhěng）个人类（lèi）的声音，这是非（fēi）常了不起的。例（lì）如（rú），2017年蒙特利（lì）尔大学的Lyrebird算法需要整整一分（fèn）钟的语（yǔ）音来分（fèn）析（xī），而Vall-E只需要三秒钟（zhōng）的音频片段。

人工智能已（yǐ）经接受了大约（yuē）6万小时的（de）英语演讲训练——似（sì）乎（hū）主（zhǔ）要（yào）是（shì）通过有（yǒu）声（shēng）读物解（jiě）说员，研（yán）究人员提供了大量样（yàng）本，在这些样本中，Vall-E试图操纵一系列人类的声音。有些人在捕捉声音的本质和构建听起来自然的（de）新（xīn）句（jù）子（zǐ）方面（miàn）做（zuò）得非（fēi）常出色——你很难分辨出哪个（gè）是真实的声音，哪个是合成（chéng）的（de）。在其他情（qíng）况（kuàng）下，唯一的漏洞是人工（gōng）智（zhì）能将重（chóng）点（diǎn）放（fàng）在（zài）句子中奇怪的（de）地方。

Vall-E在重新创建（jiàn）原始示（shì）例的（de）音频环境方面（miàn）做（zuò）得特（tè）别好。如果样本听起来像通过（guò）电话录制的（de），那（nà）么合成也是如此（cǐ）。它在（zài）口（kǒu）音（yīn）方面也很（hěn）不错——至少是（shì）美（měi）式、英式和一些欧（ōu）洲口音。

在情感方面，结果就不那么令人印象深刻了。使用愤怒、困倦、有趣或厌（yàn）恶的语音样本似乎（hū）会让事（shì）情（qíng）偏离轨道，合成出来（lái）的（de）声音（yīn）听起来扭曲得很奇怪。

这类技术的（de）影响非（fēi）常明（míng）显;从积极的方面来看，将来你在（zài）超市里（lǐ）推手推车的时（shí）候（hòu），可以让摩根·弗里曼(Morgan Freeman)为你的购物清单念一遍。如果演（yǎn）员在电影中中途死亡（wáng），他们可以使用这样的系统通过深度伪（wěi）造的视频和音频来完成表演。苹（píng）果公司最近推出（chū）了一套由人工（gōng）智能为你（nǐ）朗读的有声读物目录（lù），很（hěn）显然，你很（hěn）快就能在飞行中切换旁白。

消（xiāo）极的一面是，这对配音演员和（hé）叙述者来说并（bìng）不是（shì）什么好消息。或者对听（tīng）众来（lái）说;人工智能或（huò）许能够快速且廉价地完成叙述，但不要指望它（tā）有太多（duō）艺术元素。他们不会像史蒂芬·弗莱（lái）那样解读道格（gé）拉斯·亚当斯。

骗（piàn）子的潜力（lì）也（yě）非常大。如果一（yī）个（gè）骗子能让你在电（diàn）话上停留三秒钟，他们就能窃取（qǔ）你的声音，然（rán）后（hòu）用它（tā）给你的奶奶打（dǎ）电话。或者（zhě）绕过任何语音识别安（ān）全（quán）设备。这正是终结者机器人打电话时需要的东西。

当然（rán），每个（gè）人都还在等待这样一（yī）个（gè）时（shí）刻（kè）：一（yī）个政治人物的第一次深度伪造的演讲，欺骗（piàn）了足够多的人，破坏了相信你（nǐ）的眼睛和（hé）耳（ěr）朵的概念（niàn）——就好像客观真理在这（zhè）个奇怪（guài）的时代还没有受（shòu）到攻击一样。

微软Vall-E团（tuán）队在其演示页面的末尾附加（jiā）了（le）一份简短的道德声（shēng）明:“这项工作中的实验是（shì）在（zài）假设模型的（de）用户是目标（biāo）说话者并已（yǐ）得到说话者（zhě）的批准的情（qíng）况下（xià）进行的（de）。然而，当（dāng）模型推广到看不（bú）见的演讲者时，相关的组件应该伴（bàn）随着语音编（biān）辑模型，包括确保演讲者同意执行修（xiū）改的协（xié）议和检测编辑后的语音的系（xì）统。”

像DALL-E、ChatGPT、各（gè）种（zhǒng）deepfake算法和无数其（qí）他创造性人工智能的崛起，感觉在（zài）过去（qù）几（jǐ）个月里正处于一个（gè）拐点，开始（shǐ）冲出实（shí）验室，进入现实世界。与所有变（biàn）化一样，它带来了机遇和（hé）风险。我（wǒ）们真的生活在一个有趣（qù）的时代。