由于OpenAI和ChatGPT的驚人普及，AI技術(shù)在2022年底得到了廣泛采用。人工智能首次通過證明其在創(chuàng)造成功業(yè)務(wù)成果方面的效用和價(jià)值而獲得了大眾市場(chǎng)的吸引力。

許多在2023年對(duì)普通人來說似乎是一場(chǎng)革命的人工智能技術(shù)實(shí)際上已經(jīng)被大企業(yè)和媒體積極使用了好幾年。和我一起仔細(xì)研究為這些解決方案提供動(dòng)力的技術(shù)，特別是用于語音克隆的生成式AI系統(tǒng)、其商業(yè)利益以及使用AI的道德方法。

語音克隆是如何工作的?

簡(jiǎn)而言之，語音克隆可以讓一個(gè)人用另一個(gè)人的聲音說話。

它使用生成式AI技術(shù)來創(chuàng)建一個(gè)人的聲音的錄音，并使用它們生成具有同一個(gè)人聲音的新音頻內(nèi)容。它本質(zhì)上允許人們聽到別人會(huì)說的話，即使他們自己沒有說。

在技??術(shù)方面，事情似乎并不復(fù)雜。但是，如果您深入研究，則需要滿足一些最低要求才能開始：

您需要至少5分鐘的源語音高質(zhì)量錄制音頻才能克隆它。這些錄音應(yīng)該清晰且沒有背景噪音或其他失真，因?yàn)槿魏舞Υ枚伎赡苡绊懩Ｐ洼敵龅臏?zhǔn)確性。

之后，將這些錄音輸入生成式AI模型以創(chuàng)建“語音化身”。

然后，訓(xùn)練模型以準(zhǔn)確再現(xiàn)音調(diào)和時(shí)間方面的語音模式。

一旦完成，這個(gè)經(jīng)過訓(xùn)練的模型可以使用任何其他人的源聲音生成無限的內(nèi)容，成為創(chuàng)建逼真的復(fù)制聲音的有效工具。

這是許多人提出道德問題的地方。當(dāng)我們可以將任何文本插入另一個(gè)人的嘴里并且無法判斷這些詞是真實(shí)的還是假的時(shí)會(huì)發(fā)生什么?

是的，這種可能性早已成為現(xiàn)實(shí)。與OpenAI和ChatGPT的情況一樣，我們目前面臨著許多不容忽視的道德問題。

人工智能的道德標(biāo)準(zhǔn)

與許多其他處于采用初期階段的新技術(shù)一樣，主要威脅是圍繞該技術(shù)造成負(fù)面污名，而不是承認(rèn)這些威脅是討論和寶貴知識(shí)的來源。重要的是揭露不良行為者濫用技術(shù)及其產(chǎn)品、應(yīng)用緩解工具并繼續(xù)學(xué)習(xí)的方法。

今天，我們擁有與使用生成式人工智能相關(guān)的道德標(biāo)準(zhǔn)的三層框架。國(guó)家和超國(guó)家監(jiān)管層正處于發(fā)展的初始階段。政策世界可能跟不上新興技術(shù)的發(fā)展速度，但我們已經(jīng)可以觀察到歐盟在人工智能監(jiān)管方面的歐盟提案和2022年虛假信息實(shí)踐守則概述了大型科技公司應(yīng)對(duì)人工智能的期望。傳播惡意人工智能操縱的內(nèi)容。在國(guó)家層面，我們看到美國(guó)和英國(guó)在解決美國(guó)國(guó)家Deepfake和數(shù)字來源特別工作組和英國(guó)在線安全法案的問題方面采取了監(jiān)管的第一步。

隨著公司和技術(shù)人員接受這一與新興技術(shù)及其對(duì)社會(huì)安全和隱私的影響有關(guān)的新現(xiàn)實(shí)，科技行業(yè)的層級(jí)正在加快發(fā)展。關(guān)于生成人工智能倫理的對(duì)話充滿活力，并引領(lǐng)了圍繞生成人工智能的使用制定行業(yè)行為準(zhǔn)則的倡議(即人工智能合成媒體行為準(zhǔn)則伙伴關(guān)系)和不同公司發(fā)布的道德聲明。問題是，如何實(shí)踐?而且，它們是否能夠影響產(chǎn)品、特定功能和團(tuán)隊(duì)的程序?

在與許多不同的媒體和娛樂、網(wǎng)絡(luò)安全和AI倫理社區(qū)合作解決這個(gè)問題后，我制定了一些實(shí)用原則來處理AI內(nèi)容和聲音，尤其是：

IP所有者和使用克隆語音的公司可以通過簽署法律協(xié)議避免與使用原始語音相關(guān)的許多潛在并發(fā)癥。

項(xiàng)目所有者應(yīng)公開披露克隆語音的使用，以免聽眾被誤導(dǎo)。

致力于語音人工智能技術(shù)的公司應(yīng)該分配一定比例的資源來開發(fā)能夠檢測(cè)和識(shí)別人工智能生成內(nèi)容的技術(shù)。

使用水印標(biāo)記AI生成的內(nèi)容可實(shí)現(xiàn)語音身份驗(yàn)證。

每個(gè)AI服務(wù)提供商都應(yīng)在同意開展工作之前審查每個(gè)項(xiàng)目的影響(社會(huì)、商業(yè)和隱私級(jí)別)。

當(dāng)然，人工智能的倫理原則不會(huì)影響自制深度造假的網(wǎng)絡(luò)傳播。但是，他們會(huì)將灰色項(xiàng)目推向公共市場(chǎng)之外。

在2021-22年，人工智能聲音被用于不同的主流項(xiàng)目，這些項(xiàng)目對(duì)道德和社會(huì)產(chǎn)生了重大影響。其中包括為曼達(dá)洛人系列克隆年輕盧克·天行者的聲音，為戰(zhàn)神2克隆阿特柔斯的聲音，以及為具有歷史意義的“月球?yàn)?zāi)難事件”克隆理查德·尼克松的聲音。

對(duì)技術(shù)的信心正在超越媒體和娛樂。許多行業(yè)的傳統(tǒng)企業(yè)都在他們的項(xiàng)目中使用克隆的聲音。以下是一些最突出的用例。

行業(yè)用例

到2023年，語音克隆將繼續(xù)興起，各行各業(yè)都將從中獲益。從醫(yī)療保健和市場(chǎng)營(yíng)銷到客戶服務(wù)和廣告行業(yè)，語音克隆正在徹底改變組織與客戶建立關(guān)系和簡(jiǎn)化工作流程的方式。

語音克隆有利于在線環(huán)境中工作的醫(yī)療保健專業(yè)人員和社會(huì)工作者。具有與醫(yī)療專業(yè)人員相同聲音的數(shù)字化身可以促進(jìn)他們與患者之間更牢固的聯(lián)系，從而提高信任度并留住客戶。

聲音克隆在電影和娛樂行業(yè)的潛在應(yīng)用是巨大的。將內(nèi)容配音成多種語言、兒童和成人附加對(duì)話替換(ADR)以及幾乎無限的定制選項(xiàng)陣列都通過這項(xiàng)技術(shù)成為可能。

同樣，在運(yùn)營(yíng)領(lǐng)域，人工智能驅(qū)動(dòng)的語音克隆可以為需要交互式語音響應(yīng)系統(tǒng)或企業(yè)培訓(xùn)視頻的經(jīng)濟(jì)高效解決方案的品牌帶來出色的結(jié)果。借助語音合成技術(shù)，演員可以擴(kuò)大他們的影響力，同時(shí)提高他們從錄音中賺取殘差的能力。

最后，在廣告制作工作室中，語音克隆的出現(xiàn)有助于顯著降低與商業(yè)制作相關(guān)的成本和時(shí)間。只要有可供克隆的高質(zhì)量錄音(即使來自不可用的演員)，就可以比以往更快、更有創(chuàng)意地制作廣告。

有趣的是，企業(yè)和SMB可以利用語音克隆為他們的品牌創(chuàng)造獨(dú)特的東西。大型項(xiàng)目可以實(shí)現(xiàn)其最雄心勃勃的計(jì)劃，而小型企業(yè)則可以使用以前成本過高的規(guī)模模型。這才是真正的民主化。

總結(jié)

AI語音克隆為企業(yè)提供了改變游戲規(guī)則的好處，例如創(chuàng)造獨(dú)特的客戶體驗(yàn)、將自然語言處理功能集成到他們的產(chǎn)品和服務(wù)中，以及生成聽起來完全真實(shí)的高度準(zhǔn)確的聲音模仿。

希望在2023年保持競(jìng)爭(zhēng)優(yōu)勢(shì)的企業(yè)應(yīng)該研究人工智能語音克隆。公司可以使用這項(xiàng)技術(shù)解鎖各種新的可能性，以在道德上負(fù)責(zé)任的方式贏得市場(chǎng)份額并留住客戶。