对眼睛好的颜色这种新型人工智能可以用3秒的声音模拟你的声音

微软Vall-E的新语言模型据说可以模仿任何声音，只需要三秒钟的录音样本。

最近发布的人工智能工具对6万小时的英语语音数据进行了测试。研究人员在康奈尔大学的一篇论文中说，它可以复制说话者的情绪和语气。

这些结果似乎是正确的，即使是在录制母语人士从未说过的单词时也是如此。

Vall-E突出了在上下文中的学习能力，可用于合成高质量的个人语音，只需录制一个看不见的说话者的3秒录音作为语音提示。实验结果表明，Vall-E在语音的自然度和说话人的相似性方面明显优于最先进的scratch(文本到语音)系统。”作者写道。此外，我们发现Vall-E可以保持说话者的情绪和音板的声学环境的调谐。”

安卓间谍软件再次袭击金融机构和你的钱

在GitHub上分享的Vall-E样本与演讲者的说法惊人地相似，尽管它们的质量参差不齐。

在情感声音数据库中的一个复合句中，瓦尔- e平静地说:“我们必须减少塑料袋的数量。”

迪士尼角色将通过“嘿，迪士尼”命令进入亚马逊Alexa

然而，对文本转语音人工智能的研究也有一个警告。

研究人员在该网页上说:“因为Vall-E可以合成保留说话人身份的语音，它可能有滥用模型的潜在风险，比如语音识别欺骗或模仿特定说话人。”“我们在假设用户同意成为语音合成中的目标说话者的情况下进行了实验。当模型推广到现实世界中不可见的说话者时，它必须包括一个协议，以确保说话者同意使用他们的声音，以及一个用于语音检测的合成模型。”

目前，被微软称为“神经标记语言范式”的Vall-E还没有向公众开放。

Julia Mostow是福克斯新闻和福克斯商业数字的记者。