迄今最復雜人工智能語音模型創建 可模仿人的原聲 每日觀點

(資料圖)

Meta稱研制出迄今最復雜人工智能語音模型。

圖片來源：英國《每日郵報》網站

據英國《每日郵報》23日報道，臉書母公司元宇宙平臺公司(Meta)稱，其已研制出“迄今功能最強大的語音生成式人工智能Voicebox”，它能夠模仿任何人的聲音，包括逝者。不過，由于擔心這項先進技術會被濫用，Meta宣布不會公開其人工智能模型。

Meta公司深度學習人工智能研究人員在介紹Voicebox時指出，Voicebox使用了“流匹配”方法，其表現優于當前最先進生成式語音系統使用的擴散模型。結果顯示，Voicebox生成的人工音頻更容易理解，單詞錯誤率為1.9%，低于競爭對手的5.9%。此外，Voicebox生成的音頻與真人的相似性更高，同時速度快了近20倍。

在跨語言翻譯時，Voicebox的表現優于備受贊譽的多語言文本—語音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闡述了Voicebox的多種用途，稱其可用來幫助視障人士聽到朋友和親人的信息，或允許非母語人士用自己的聲音翻譯自己所說的話。據悉，Voicebox目前能說6種語言：英語、法語、西班牙語、德語、波蘭語和葡萄牙語。

不過，Meta強調稱，由于潛在的濫用風險，他們目前不會公開Voicebox模型及其代碼。雖然他們認為向人工智能社區開放并分享研究，對于推動人工智能向前邁進非常重要，但在開放與責任之間取得正確的平衡也至關重要。

責任編輯：Rex_26