精选推荐
你可能听说过深度伪造声音,但它们究竟是什么?本指南将告诉你关于这种AI技术的一切,以及它与TTS的比较。
深度伪造声音与文本转语音
得益于人工智能(AI)和深度学习的进步,人们现在可以创造出高质量且逼真的合成媒体。这项技术为许多新创意技术打开了大门,影响了许多行业。其中一种技术就是深度伪造,也被称为合成声音和语音克隆。
什么是深度伪造声音?
深度伪造指的是合成媒体,也被称为 语音克隆。通过AI,用户可以生成视频深度伪造,将某人的外貌与屏幕上的另一个人交换,或让某人说出他永远不会同意的话,这通常被称为语音克隆。想象一下,你可以让阿诺德·施瓦辛格的声音重复你想要的内容。
这个过程需要特殊的软件来分析面部,从文本脚本中处理语音,并在三维空间中建模嘴部的运动。
这种技术有一些高级用途,其中之一就是语音克隆。几乎每个人,即使不是技术极客,也听说过一些深度伪造丑闻。然而,最近有一部关于托尼·布尔丹的遗作纪录片发布,令观众惊讶的是,他仍然能够进行旁白。
IT初创公司帮助制作公司重现布尔丹的声音,为故事增添了真实感。毫无疑问,这是一个相当大的成就,但它也带来了许多道德问题。毕竟,只需要一台装有合适软件的电脑,就可以制作出经过处理的影像或不实的声音。
深度伪造是如何制作的?
首先,你需要收集足够的某人声音样本。输入可以来自社交媒体帖子、录音电话、电视等。然后,运行AI算法的软件将样本结合起来,生成一个伪造的声音。
这是一个复杂过程的基本概述,但最终,AI工具使用收集的数据来创建自然听起来的声音,可以读取数字文本。因此,深度伪造与文本转语音(TTS)技术密切相关。
深度伪造声音在文本转语音中的整合
用户可以通过将深度伪造声音技术整合到文本转语音系统中来操控音调、年龄和口音等特征。这些人甚至可以开发出与他们所需音调和风格相似的合成声音,例如在声带障碍的情况下。这种定制化将极大地提高他们的沟通能力和生活质量。
通过使用深度伪造声音,他们创造出更具吸引力的音频内容,吸引内容创作者的追随者和忠诚度。他们利用听起来像著名解说员或明星的深度伪造声音来吸引和迷住听众。对于有声书、播客等多媒体内容尤其有价值,因为声音对唤起观众情感参与有很大影响。
然而,将深度伪造声音整合到TTS系统中也带来了几个道德问题。深度伪造声音能够进行操控和冒充——误导那些无法对此类行为给予同意的人。这表明需要有严格的控制和法规来促进这种技术的正当和道德应用。
最后,将深度伪造声音整合到文本转语音系统中为个性化和引人入胜的语音合成提供了机会。这项技术可能会极大地改变我们与生成语音的互动方式,使其更易于访问,并在考虑道德问题的情况下提高用户的整体满意度。
优点
深度伪造包含几个积极元素。2021年的“这不是摩根·弗里曼”深度伪造视频展示了增强技术的实用性。
图像显示,通过训练AI使用音频录音和电影片段,他们能够创造出演员的模仿,包括模仿他的动作、外貌和讲话。正如我们指出的那样,这存在伦理问题,但对于像演员瓦尔·基尔默这样的人来说可能是无价的。
尽管基尔默患上了导致失声的喉癌,有些人认为这意味着他的好莱坞生涯结束了。在亚马逊Prime关于基尔默的纪录片中揭示,演员的儿子会在基尔默扮演新角色时为他配音。
然而,当基尔默与Sonantic——一家以语音建模为特色的IT初创公司合作时,他最终找回了自己的声音。通过深度伪造技术,该公司重现了基尔默的声音,观众可以在最近上映的电影《壮志凌云:独行侠》中听到惊人的效果。
缺点
机器学习可以在像纽约这样快速接受技术的地方复制某人的声音。这使得个人容易泄露个人信息并陷入虚假或诈骗电话的陷阱。
关于深度伪造技术的伦理问题
使用深度伪造声音和深度伪造文本转语音存在一些伦理问题。随着更多技术进步的到来,可能会出现潜在的挫折。例如,阿诺德·施瓦辛格的AI声音如此自然,以至于能欺骗人。这可能导致对所听到的一切产生怀疑和自我怀疑。
随着社会接受任何形式的新技术,必须仔细考虑随之而来的危险。深度伪造可以通过声音欺骗和影响人类。因此,担心是合理的,因为这可能会损害公众信任并侵犯隐私权。
主要问题在于深度伪造的使用。更危险的是合成声音被用于电话诈骗和虚假信息传播。想象一下,你接到一个陌生电话,但声音听起来很熟悉。你可能会认出这是你亲密的朋友、家人或男朋友/女朋友的声音。但几乎立刻就会发现这只是一个骗局。操控可能会造成极其不利的影响,影响个人、整个社区或国家。
减少深度伪造声音误用的影响
为了减少这种威胁,需要强有力的监管和用户教育计划。深度伪造声音需要谨慎使用,政府和科技公司应共同制定指导方针。已经开发出有效措施来识别和打击合成声音技术的非法应用;这些措施还包括教育用户,因为合成声音技术可能被用于恶意目的。
此外,必须谨慎考虑创新但不越界使用深度伪造声音和文本转语音技术。技术的发展无疑是有前景的,但在使用时需要透明和适当的责任。告知用户语音合成的重要性在于让他们更好地了解哪些信息是真实的,哪些是虚假的。
关于深度伪造声音的法律和隐私问题
在涉及深度伪造声音时,法律和隐私问题也需要考虑。关于合成声音的所有权和未经授权使用的潜力提出了问题。需要建立明确的指导方针来解决这些复杂问题,确保个人权利得到保护,并负责任地使用技术。
在我们探讨深度伪造声音的伦理问题时,进行开放和包容的讨论是至关重要的。伦理学家、政策制定者、技术专家和公众必须共同努力解决这些问题,并以有利于整个社会的方式塑造这项技术的未来。
想象一下,接到一个听起来像是朋友或家人的电话,但实际上是一个试图欺骗你的假声音。这可能会伤害个人、社区,甚至整个国家。深度伪造声音有很多应用,从让Alexa用名人的声音说话的有趣应用到可能误导的更严肃的用途。
需要监管以使深度伪造声音的使用合乎伦理
为了保护人们的安全,我们需要强有力的规则和方法来教育用户关于这些假声音。政府和科技公司应该合作。他们需要制定关于如何正确使用深度伪造声音的规则。他们还需要找到识别和阻止有害假声音的方法。
在使用深度伪造声音时,重要的是要小心并考虑什么是对的和错的。即使这些新的语音工具很酷,我们也需要以诚实的方式使用它们。人们应该知道他们听到的声音是由计算机生成的。这样,他们可以决定是否信任他们所听到的内容。
讨论深度伪造声音的问题很重要。每个人,从专家到普通人,都应该分享他们的想法。这将帮助我们以对每个人都有利的方式使用这项技术。
幸运的是,随着语音合成软件的进步,我们识别假声音的能力也在提高。科技公司正在开发工具来识别和阻止这些假声音。这将帮助像纽约的银行和呼叫中心确保他们在与真人交流,而不是被计算机声音欺骗。
可以尝试的深度伪造语音软件
机器学习工具可以对许多人的生活产生积极影响,您可能会对尝试创建音频深度伪造感兴趣。虽然您需要尖端的硬件和软件来获得高质量的结果,但您可以使用几个程序来生成 自然听感的声音。以下是五个您可以尝试的深度伪造语音生成器:
Resemble
Resemble AI 是一个 文字转语音和深度伪造创建工具,使用有限的数据生成真人声音。大约五分钟的音频录音即可让用户创建他们的第一个深度伪造。
您可以测试样本功能,上传自己的音频片段,几分钟内就能听到熟悉的声音。用户欣赏 Resemble 的易用界面,甚至可以调整音频输出的语调。
Descript
这款令人印象深刻的语音合成器拥有强大的编辑功能。程序分析语音录音、视频片段和转录文本以生成 AI 驱动的声音。如果您对输入材料的质量不满意,可以直接在应用中编辑,无需额外录制。
Descript 的主要目的是帮助内容创作者为他们的播客和视频制作高质量的配音。程序中有无数的库存声音供您试验,以熟悉 Descript 的功能。
ReSpeecher
ReSpeecher 是一个可靠的深度伪造解决方案,曾帮助重现曼达洛人中卢克·天行者的声音。虽然该软件适用于电影和电视节目,但它也可以是制作 配音的绝佳方式,适用于广告、动画、电子游戏、播客等。
iSpeech
iSpeech 可作为桌面程序使用,您也可以尝试基于网络的版本。除了语音合成,应用还具有文字转语音、网页阅读器和语音识别功能。为了熟悉软件,您可以尝试其中一个演示,体验巴拉克·奥巴马、阿诺德·施瓦辛格或斯嘉丽·约翰逊的声音。
实时语音克隆
这个开源项目可以在 GitHub 上免费获取。这个综合工具箱可以用仅仅五秒钟的音频输入合成一个人的声音。然而,用户报告称操作该软件需要中等到高级的技术技能。
Speechify – 易于使用的文字转语音替代深度伪造声音
文字转语音 (TTS) 应用如 Speechify 和深度伪造生成器依赖于相似的技术,但两者的目的不同。Speechify 是一个 TTS 或 朗读 工具,可以朗读几乎任何印刷或数字文本。用户将 Microsoft Word 文档、文章或转录内容导入应用程序后,选择他们的 喜好旁白声音,Speechify 将朗读内容。
该程序拥有无与伦比的高质量男声和 女声,支持超过20种语言,包括英语、西班牙语、法语、意大利语和葡萄牙语。如果你想 提高生产力,并听名人给你朗读,为什么不试试 Speechify 的 Gwyneth Paltrow 声音呢?
在你的电脑上下载该程序, iPhone 或 Android 设备上, 今天免费试用 Speechify。
常见问题
FakeYou 是免费的吗?
FakeYou 是一个用户友好且免费的程序,你可以用它来创建自然的声音。
你如何知道一个声音是否是深度伪造的?
没有高级软件,很难识别深度伪造。网络安全公司使用语音生物识别系统来防止深度伪造欺诈。
深度伪造声音有哪些危险?
深度伪造有时会被用于恶意目的,可能传播错误信息,毁坏个人声誉,并导致对政府机构的不信任。
Cliff Weitzman
Cliff Weitzman 是一位阅读障碍倡导者,也是全球排名第一的文字转语音应用Speechify的首席执行官和创始人,该应用在App Store新闻与杂志类中排名第一,拥有超过10万个五星好评。2017年,Weitzman因其在提高学习障碍人士网络可访问性方面的贡献,被评为福布斯30位30岁以下精英之一。Cliff Weitzman曾被EdSurge、Inc.、PC Mag、Entrepreneur、Mashable等知名媒体报道。