OpenAI：可从15秒的音频中克隆出声音
内容提要
OpenAI宣布开发了声音克隆技术，可模仿任何说话者。该技术可用于阅读辅助、语言翻译和帮助语言障碍患者。然而，滥用可能导致深度伪造和隐私问题。OpenAI承诺采纳反馈意见以确保产品推出时风险最小，并采取安全措施来追踪音频来源和监控系统使用情况。
延伸解读
技术背景与开发历程
OpenAI的语音引擎基于其已有的文本到语音API，自2022年起就在开发中。该技术通过分析15秒的音频样本即可模仿任何说话者，生成自然且情感丰富的声音。目前，OpenAI已在文本到语音API和朗读功能中使用该工具集的版本，为预设语音提供动力。这表明该技术并非全新，而是已有应用的延伸，其成熟度可能较高，但全面推广仍需解决隐私等问题。
潜在应用与试点案例
OpenAI认为该技术可用于阅读辅助、语言翻译以及帮助患有突发性或退行性语言疾病的人。布朗大学的试点项目展示了其实际应用：通过创建语音引擎克隆，从学校项目录制的音频中提取语音，帮助一位语言障碍病人恢复交流能力。这些案例表明，声音克隆在医疗和教育领域具有积极潜力，但需在伦理框架内谨慎推进。
风险与安全措施
声音克隆技术可能被滥用于深度伪造和隐私侵犯，OpenAI承认存在严重风险，尤其是在大选年。为此，公司要求所有预览测试者遵守使用政策，禁止未经同意冒充他人，并必须向受众披露声音为AI生成。此外，OpenAI采取水印追踪音频来源、主动监控系统使用情况，并计划在推出时设置禁用声音列表，以防止生成与知名人士过于相似的声音。这些措施旨在平衡创新与安全。
Q&A
OpenAI的声音克隆技术是如何工作的？
该技术通过分析15秒的音频样本来模仿任何说话者，生成自然且情感丰富的语音。
声音克隆技术可以应用于哪些领域？
该技术可用于阅读辅助、语言翻译和帮助语言障碍患者。
OpenAI如何应对声音克隆技术的滥用风险？
OpenAI承诺采纳反馈以降低风险，并采取安全措施如水印追踪音频来源和监控系统使用情况。
声音克隆技术在隐私方面存在哪些问题？
技术滥用可能导致深度伪造和隐私问题，尤其是在大选年。
OpenAI的声音克隆技术是否已经正式推出？
该技术尚未准备好全面推广，仍在解决隐私问题和风险。
使用声音克隆技术的测试者需要遵守什么规定？
所有测试者需遵守使用政策，禁止未经同意冒充他人，并需向受众披露声音为AI生成。
