AI 初创公司现在可以使用您的声音生成 30 种语言的语音

人工智能军备竞赛继续加速，声音克隆的新领域几乎每天都在出现。最新的进展来自旧金山的初创公司 ElevenLabs，该公司刚刚宣布，他们的新 AI 模型现在可以模仿 30 种不同语言流利地说的声音，比之前支持的最初 8 种语言有了显着的扩展。

该公司以文学机构兼独立出版商 Lukeman Literary 为例，解释说该公司每年以多种语言制作许多有声读物。

ElevenLabs 在官方博客文章中表示：“卢克曼的团队过去需要花费几周的时间才能制作一本有声读物，因为这需要他们找到合适的配音艺术家、预订录音室、录制和管理后期制作。”整个过程需要几个小时，”

据 ElevenLabs 称，新的多语言 v2 模型可提供“情感丰富”的音频，捕捉自然语音的微妙变化。用户输入他们想要用目标语言朗读的文本，人工智能会生成无缝的画外音。

该公司提供两种主要的语音克隆选项：文本转语音工具和用于克隆特定语音的“VoiceLab”。

用户上传语音样本来创建自定义语音克隆，人工智能会对其进行分析以构建合成版本。然后可以操纵这个克隆的声音说出任何可以想象到的事情。ElevenLabs 声称最新的更新意味着这些人工智能分身现在可以流利地讲瑞典语、阿拉伯语和马来语等语言。

扩展的语言功能也与 ElevenLabs 将其语音克隆技术移出 Beta 测试相一致。该公司的目标是将该工具推广到实际应用中，例如有声读物的叙述，就像 Lukeman Literary 的例子一样。

解决问题

该技术被滥用的可能性使这些商业雄心蒙上了阴影。Deepfake 音频使用户容易受到欺诈和错误信息活动的影响。去年，ElevenLabs 本身也遭受了强烈反对，因为其平台被用来冒充和骚扰公众人物。

该公司表示，此后已经实施了更严格的保障措施，但道德问题仍然存在。正如 Decrypt最近报道的那样，“诈骗者可以使用人工智能来克隆你所爱之人的声音”，而要获得可信的结果所需要的只是几分钟的音频。

像 Meta 这样的大型科技公司也面临着类似的批评，因为它们在没有完全透明的情况下开发了强大的生成人工智能。Meta 最近推出了一款名为 Voicebox 的人工智能语音合成工具，它承认该工具可以轻松促进深度伪造。与 ElevenLabs 不同的是，考虑到“滥用风险”，Meta没有公开发布任何内容。

然而，尽管存在担忧，人工智能语音克隆的快速进展似乎势不可挡。正如 ElevenLabs 的语言学家 Mati Staniszewski所说，“最终我们希望在人工智能的帮助下覆盖更多的语言和声音，消除内容的语言障碍。”

确保道德实施仍然是一项艰巨的挑战，因为全球错误信息和创新沟通方式之间的界限非常模糊。谨慎行事是关键，以免我们的声音地球村变成喧闹的巴别塔。