随着生成式 AI 技术的不断进步，模拟真人发声的工具也越来越逼真。最近，微软 公布了其全新的 AI 语音生成工具 VALL-E 2，据称已达到与真人发声相媲美的水平。
VALL-E 2：逼真的语音生成技术
VALL-E 2 是 微软去年1月首次发布的 VALL-E 的新版本，它能够将文字转换为语音，效果与人类发声无异。开发团队表示，VALL-E 2 仅需几秒钟的音频输入，就能学会模仿特定的声音。
技术亮点
VALL-E 2 采用了两项关键技术：
- 重复感知抽样（Repetition Aware Sampling）：有效解决了词元重复问题，提升了语音的自然度。
- 分组程式码建模（Grouped Code Modeling）：改善了语音的流畅度和生成速度。
应用前景
这项技术的应用范围极为广泛，无论是个性化语音助手，还是视频游戏的配音，VALL-E 2 都展现出巨大的潜力。尽管潜力巨大，微软对 VALL-E 2 的强大功能持谨慎态度。由于担心技术可能被滥用，目前 微软 并未计划对外公开 VALL-E 2，仅用于内部研究。与其它生成式 AI 工具相似，VALL-E 2 也可能被用于制作深度伪造（Deepfake）语音，这可能引发身份欺诈和虚假信息传播等风险。（来源）
0条评论