語音合成技術(shù)應(yīng)用的興起（和風(fēng)險(xiǎn)）

文本轉(zhuǎn)語音 (TTS) 是一個(gè)已有數(shù)十年歷史的領(lǐng)域，但采用通常僅限于少數(shù)幾個(gè)領(lǐng)域，因?yàn)楹铣烧Z音讓人感覺不自然和機(jī)器人化。但在過去的五年里，由于深度學(xué)習(xí)，合成聲音（又名神經(jīng) TTS）可以變得更加自然和悅耳。音調(diào)、節(jié)奏、發(fā)音、口音、情感和說話風(fēng)格可以根據(jù)需要進(jìn)行調(diào)整。

Amazon、Google、IBM 和 Microsoft 等大型云供應(yīng)商提供的 APIs允許開發(fā)人員輕松地將語音功能添加到各種應(yīng)用程序中。除了大型供應(yīng)商之外，許多創(chuàng)新的初創(chuàng)公司和專家正在想象合成語音的新可能性。

這些不同的用例分為兩大類。

　　朗讀用例

公司可以為這些用例使用庫(kù)存語音或創(chuàng)建定制的合成語音（包括名人語音）。

　　·客戶服務(wù)。自動(dòng)語音響應(yīng)是最古老的用例之一，但對(duì)話路徑和響應(yīng)必須仔細(xì)預(yù)先錄制并完全編寫腳本。開放式對(duì)話是有限的，因?yàn)椴豢赡茴A(yù)先記錄每一個(gè)潛在的反應(yīng)?，F(xiàn)在，通過在有限的訓(xùn)練數(shù)據(jù)語料庫(kù)（即預(yù)先錄制的音頻）上使用人工智能，可以創(chuàng)建合成語音并將其用于開放式對(duì)話應(yīng)用程序。

　　·新聞閱讀。許多出版物（例如，華盛頓郵報(bào)、BBC、華爾街日?qǐng)?bào)）都使用 TTS，因此讀者可以收聽文章。一些媒體網(wǎng)站提供"聽故事"作為付費(fèi)訂閱者的高級(jí)功能。

　　·電子郵件。將向您讀出電子郵件（例如，在 Microsoft Outlook 中）。例如，當(dāng)您開車時(shí)，這可以實(shí)現(xiàn)免提體驗(yàn)。

　　·輔助技術(shù)。語音銀行可以幫助患有運(yùn)動(dòng)神經(jīng)元疾病的人生成自己的合成語音，可用于輔助語音設(shè)備。一些應(yīng)用程序使有語言障礙的用戶能夠通過 TTS 接口設(shè)備說話。為了幫助有視力挑戰(zhàn)的用戶，有一些應(yīng)用程序可以讀出處方標(biāo)簽、產(chǎn)品標(biāo)簽，還有一些應(yīng)用程序可以提供用戶周圍環(huán)境的提示和描述。

　　富媒體內(nèi)容用例

這組用例通常涉及音頻和視頻內(nèi)容。

　　·配音。視頻配音和畫外音并不新鮮，但 Netflix 等流媒體平臺(tái)的興起創(chuàng)造了全球觀眾和對(duì)將內(nèi)容配音成多種語言的新需求。通過混合使用語音識(shí)別、機(jī)器翻譯和合成聲音，可以將音頻配音為原始演員聲音中的不同語言。唇形同步曾經(jīng)是配音為不同語言的內(nèi)容的問題，但現(xiàn)在人工智能有助于創(chuàng)建與口語相匹配的合成唇形動(dòng)作。

·音頻編輯。這是一個(gè)創(chuàng)新用例，有助于減少音頻編輯的障礙。使用自動(dòng)生成的腳本或文本，您可以通過修改相應(yīng)的文本來刪除填充詞、添加新音頻或刪除片段。這有可能大大降低編輯成本和時(shí)間。

·在線和元宇宙安全。使用人工智能，聲音可以被轉(zhuǎn)換或改變，同時(shí)保留其情感和表現(xiàn)力。就像游戲玩家將視覺皮膚應(yīng)用于他們的化身一樣，可以應(yīng)用語音皮膚來保護(hù)隱私并減少游戲環(huán)境或基于音頻的社交媒體（例如 Twitter 空間或俱樂部會(huì)所）中的騷擾。

　　道德問題和風(fēng)險(xiǎn)

隨著合法用例的增加，濫用和欺詐的可能性也在增加。

用戶同意使用合成聲音。在一部關(guān)于已故名廚 Anthony Bourdain的紀(jì)錄片中，他的合成聲音被用來讓他"說出"幾句他從未真正說過的臺(tái)詞。這樣的例子提出了'同意'的問題，什么是允許的，什么是不允許的。

·深度偽造Deepfakes。不難想象，隨著合成音頻和視頻功能變得更好，我們將如何充斥著復(fù)雜的公眾人物（甚至是普通公民）的深度偽造。它可能是一個(gè)錯(cuò)誤信息的雷區(qū)，會(huì)對(duì)公眾信任和信息來源的可靠性產(chǎn)生影響。

·語音網(wǎng)絡(luò)釣魚和欺詐。《華爾街日?qǐng)?bào)》報(bào)道說，一位 CEO 的聲音被利用進(jìn)行欺詐，以他的聲音給他的同事打電話，指示資金轉(zhuǎn)移，這是一種全新的網(wǎng)絡(luò)犯罪類別，由合成聲音和社會(huì)工程學(xué)結(jié)合而成。

公司需要善于負(fù)責(zé)任地使用合成語音用例來改善用戶體驗(yàn)，提供更好的客戶服務(wù)，并創(chuàng)造新的產(chǎn)品和服務(wù)。但他們還需要防范惡意行為者的對(duì)抗性攻擊。對(duì)于語音應(yīng)用來說，這是一個(gè)勇敢的新世界。

KashyapKompella是全球人工智能行業(yè)分析公司 rpa2ai Research 的首席執(zhí)行官，也是《實(shí)用人工智能：企業(yè)手冊(cè)》的合著者。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。