Meta稱研制出迄今最復雜人工智能語音模(mo)型。

圖片來(lai)源：英國《每日郵(you)報(bao)》網站

　　據英國《每日郵報》23日報道，臉書母(mu)公(gong)司(si)(si)元宇宙平臺公(gong)司(si)(si)（Meta）稱，其已研制出(chu)“迄今功(gong)能(neng)最(zui)強大的語音(yin)生(sheng)成(cheng)式人(ren)工(gong)智(zhi)能(neng)Voicebox”，它(ta)能(neng)夠模仿任何人(ren)的聲音(yin)，包括逝者。不(bu)過，由于擔心這項先進技(ji)術會被濫用(yong)，Meta宣(xuan)布不(bu)會公(gong)開其人(ren)工(gong)智(zhi)能(neng)模型。

　　Meta公司(si)深度學習人(ren)工(gong)(gong)智能研究人(ren)員在介(jie)紹Voicebox時指出，Voicebox使(shi)用(yong)了“流匹配”方法，其(qi)表現優(you)于(yu)當前最先(xian)進(jin)生(sheng)(sheng)成式語音(yin)系統(tong)使(shi)用(yong)的(de)(de)擴散模型(xing)。結果(guo)顯示，Voicebox生(sheng)(sheng)成的(de)(de)人(ren)工(gong)(gong)音(yin)頻(pin)(pin)更(geng)容(rong)易理解，單詞錯誤率(lv)為1.9%，低于(yu)競爭對手的(de)(de)5.9%。此外，Voicebox生(sheng)(sheng)成的(de)(de)音(yin)頻(pin)(pin)與真(zhen)人(ren)的(de)(de)相(xiang)似性更(geng)高，同時速(su)度快了近(jin)20倍。

　　在跨(kua)語(yu)言翻譯時，Voicebox的表現(xian)優(you)于(yu)備(bei)受(shou)贊譽的多語(yu)言文本—語(yu)音AI YourTS，單詞平均錯誤率從10.9%降低到5.2%，音頻相似度從0.335提高到0.481。

　　Meta闡述(shu)了(le)Voicebox的(de)(de)(de)多種(zhong)用途，稱(cheng)其可用來(lai)幫助視障(zhang)人(ren)士(shi)聽到朋友和親人(ren)的(de)(de)(de)信(xin)息(xi)，或(huo)允許(xu)非(fei)母語人(ren)士(shi)用自己的(de)(de)(de)聲音翻譯自己所(suo)說的(de)(de)(de)話。據悉，Voicebox目前(qian)能(neng)說6種(zhong)語言(yan)：英語、法語、西班牙語、德語、波(bo)蘭語和葡萄牙語。

　　不(bu)過，Meta強調稱，由于潛在的(de)濫用風險(xian)，他們目前不(bu)會公開(kai)Voicebox模(mo)型及其代碼。雖(sui)然他們認為向(xiang)人工智(zhi)能社區開(kai)放(fang)并(bing)分享(xiang)研究，對于推動(dong)人工智(zhi)能向(xiang)前邁進非常重要，但在開(kai)放(fang)與責任之間(jian)取得正確的(de)平衡也至關重要。（記者劉霞(xia)）

  【總編輯圈點】

　　ChatGPT橫空(kong)出世(shi)半年多時(shi)間，人(ren)(ren)們已然深刻感(gan)受到人(ren)(ren)工(gong)智能語言模型的強(qiang)大。對于各種(zhong)提(ti)問(wen)(wen)，它都能對答如(ru)流，令人(ren)(ren)驚嘆。試想一下，如(ru)果人(ren)(ren)工(gong)智能在回答人(ren)(ren)類的提(ti)問(wen)(wen)時(shi)，不(bu)僅內(nei)容形式(shi)酷似真人(ren)(ren)，就連聲(sheng)音也(ye)令人(ren)(ren)真假難辨，用(yong)戶恐(kong)怕(pa)會感(gan)受到更強(qiang)的沖擊(ji)力。而后者(zhe)，正是語音生成式(shi)人(ren)(ren)工(gong)智能要實現的目(mu)標。不(bu)過，正如(ru)文中(zhong)所言，這些強(qiang)大的技(ji)術確實有被濫(lan)用(yong)的可能，在人(ren)(ren)工(gong)智能技(ji)術不(bu)斷升級迭代的同時(shi)，相關監(jian)管與倫理(li)約束(shu)也(ye)要及時(shi)“上路”。