微软研究（jiū）人员展示（shì）了一种（zhǒng）令人印象深刻的（de）新型文本转（zhuǎn）语音人工智能模型，名为Vall-E，它（tā）可以只（zhī）听声音几秒钟，然后模仿声音——包括情感语调和音响效果（guǒ）——说出你（nǐ）想说的任何话。

这是许多人工智能算法中（zhōng）最（zuì）新（xīn）的一（yī）种（zhǒng），它们可以利用一个人的声音录（lù）音（yīn），让它说出这个人从未（wèi）说过的（de）单词和句子——而且它只需要一小段音频就能推断出整个人（rén）类的（de）声音，这是非常了不起的。例如，2017年蒙特利尔大学的Lyrebird算法需要整整一分钟的语音来分析（xī），而Vall-E只需要三秒钟的音频（pín）片段。

人工（gōng）智能已（yǐ）经接受了大约6万小时（shí）的英（yīng）语演讲训练——似乎主要（yào）是通过有声读物解（jiě）说员，研究人员（yuán）提供了大量样（yàng）本，在这些样本中，Vall-E试图操纵一系（xì）列人类的声音。有些人在捕（bǔ）捉声音的本质和构（gòu）建（jiàn）听起来自然的新句子方面做（zuò）得非常（cháng）出色——你很难分（fèn）辨出（chū）哪个是真实的（de）声音，哪个是合成的。在其他情况下，唯一的漏洞是人工智能将重点放在（zài）句子（zǐ）中奇怪的（de）地方。

Vall-E在重新创建原始（shǐ）示例的音频环境方面做得特别好。如果样本听起来像通过电话录制的，那么合成（chéng）也是如此。它在口音方面也很不错——至（zhì）少是美式、英式和一些欧洲口音。

在情感方（fāng）面，结果就不（bú）那么（me）令人（rén）印象深（shēn）刻了。使用愤怒、困倦、有趣或厌恶的语音样本似乎会让（ràng）事（shì）情偏离轨道，合成出（chū）来的声音听（tīng）起来扭（niǔ）曲（qǔ）得很奇（qí）怪（guài）。

这类（lèi）技术的（de）影响非常明显（xiǎn）;从积极的方（fāng）面来（lái）看，将来你（nǐ）在（zài）超市里推手推车的时候（hòu），可以让摩根·弗（fú）里曼(Morgan Freeman)为（wéi）你的购物清单念一遍。如果演员在电影（yǐng）中中途死亡，他们可以使（shǐ）用（yòng）这样（yàng）的（de）系统（tǒng）通过深度伪（wěi）造的视频和（hé）音频来完（wán）成表演（yǎn）。苹（píng）果公司最近推出（chū）了一套由人工（gōng）智能为你朗读的有声（shēng）读物目录（lù），很显然，你很快（kuài）就（jiù）能（néng）在（zài）飞行中切换（huàn）旁白。

消极的一面是，这对（duì）配音演员和叙述者（zhě）来说并不是什么好消息。或（huò）者对听众（zhòng）来说;人工智能或许能够快速且廉价地完成叙述，但不要指望它有太多艺术元（yuán）素（sù）。他们不会像史蒂芬·弗（fú）莱（lái）那样解读道（dào）格拉（lā）斯（sī）·亚当（dāng）斯。

骗子（zǐ）的潜力也非常大。如果一个骗子能让（ràng）你在电话上停留（liú）三秒钟，他们就能窃取（qǔ）你（nǐ）的声音，然（rán）后用它给你的（de）奶奶打电（diàn）话。或者绕过任何语（yǔ）音（yīn）识（shí）别（bié）安全设备。这正（zhèng）是终（zhōng）结者机器人打电话时需要的东西。

当（dāng）然，每个人都还在等待（dài）这样一（yī）个时刻：一个（gè）政治人（rén）物的（de）第一次深度（dù）伪造的演（yǎn）讲，欺骗了（le）足（zú）够多的人，破坏了相信你的眼睛和耳朵的概念——就好（hǎo）像客观真理在这个（gè）奇怪的（de）时代还没（méi）有受到攻击一样。

微软（ruǎn）Vall-E团队在（zài）其演示页面（miàn）的末尾附加了一份（fèn）简短的道德声明（míng）:“这（zhè）项工（gōng）作（zuò）中的实验是在假设模型的用户是（shì）目（mù）标说话者并已得（dé）到说话者（zhě）的批准的情况下进行（háng）的。然（rán）而（ér），当模型推广到看不（bú）见（jiàn）的演讲者时（shí），相关（guān）的（de）组件应该（gāi）伴随着语音编辑模型，包括确保演讲者同意执行修改的（de）协议（yì）和检测编辑后的语音的系统。”

像DALL-E、ChatGPT、各种deepfake算法和（hé）无（wú）数（shù）其他创造（zào）性（xìng）人工（gōng）智能的崛起，感觉（jiào）在过（guò）去几个月里正处于一个拐点，开始冲出（chū）实验（yàn）室，进入现实（shí）世界。与所有（yǒu）变化一样，它带来了机遇和风（fēng）险。我（wǒ）们真的生活（huó）在一（yī）个（gè）有趣的时代。