OpenAI发布声音克隆技术：Voice Engine15秒音频样本，创建自定义声音

概述

Voice Engine是OpenAI推出的一项创新AI技术，专注于语音合成和声音克隆。这项技术能够通过一个简短的15秒音频样本和文本输入，生成与原始说话者非常相似的自然听起来的语音。自从2022年底开发以来，Voice Engine已经被应用于OpenAI的文本到语音API和ChatGPT的语音功能中，展现出其广泛的应用前景和潜在的社会影响。

官方网址：https://openai.com/blog/navigating-the-challenges-and-opportunities-of-synthetic-voices

技术特点

• 高效的声音克隆：Voice Engine能够利用极短的音频样本，生成富有感情和逼真的声音，为失语者“重获声音”提供了可能性。
• 多样化的应用场景：从教育阅读辅助到全球内容翻译，从改善偏远地区的基本服务到支持言语残障人士，Voice Engine的应用范围广泛。
• 安全性与道德考量：OpenAI对Voice Engine的发布持谨慎态度，采取了严格的使用政策和安全措施，如水印追踪和主动监控，以防止滥用并确保技术的负责任使用。

应用案例

• 教育与阅读辅助：教育技术公司Age of Learning使用Voice Engine生成预设脚本的语音内容，并与GPT-4结合，创造实时、个性化的互动响应，提高学生的学习体验。
• 内容翻译与全球化：AI视觉叙事平台HeyGen使用Voice Engine进行视频翻译，使其内容能够跨越语言障碍，触及更广泛的受众。
• 改善偏远地区的服务提供：Dimagi公司开发的工具使用Voice Engine和GPT-4为社区卫生工作者提供互动反馈，帮助他们提高技能。
• 支持言语残障人士：Livox公司利用Voice Engine为有交流障碍的个体提供独特且非机械性的声音，使他们能够通过增强和替代通讯（AAC）设备进行交流。
• 恢复患者的声音：Norman Prince Neurosciences Institute正在探索如何使用Voice Engine帮助因肿瘤或神经原因导致语言障碍的个体。

未来展望

目前，Voice Engine仍处于小规模预览阶段，OpenAI正在与一小部分可信赖的合作伙伴进行私下测试。根据测试结果和社会发展的需要，OpenAI将决定是否将Voice Engine提供给更广泛的用户群体。这项技术的发展和应用将继续受到社会各界的密切关注，其未来的发展无疑将为语音技术领域带来新的突破和挑战。