更多

小编游话说

论天伦地,不如一起说点游戏

只需3秒就能复制你声音的AI,是全新的AI蓝海吗?

2023-01-14 21:12:49    作者:紫菜蛋花汤    浏览量:加载中...

       2022年属实是AI大年。

       从年初年中的AI绘画,到年尾的AI作者,好像这个AI已经实实在在的刷了一整年的存在感了。

       先是画图——画好图——画黄图,再到写文——写好文——写黄文,我不知道AI的制作者们抱着什么样的伟大信念制作出来这些新颖的好东西,但只要落到网友们的手里,这些数据模型肯定会被灌满奇怪的东西。

       就拿我群里最近疯狂转发的AI绘画最新训练成果来说,在我不知不觉间,这小机器人已经可以精准的拿捏我的XP了。

游侠网1

游侠网2

       不过今天要介绍的并不是这两个已经被玩坏的AI,而是微软最新出品的AI成果——语音合成模型VALL·E

       它可不是那些影视剧讲解里的那些“注意看,这个男人叫小帅”的固定语气语调的AI念稿人,而是号称“3秒钟”就可以复制你的声音的赛博卡卡西。

       根据我查来的说法,VALL·E相比传统的AI语音模型采用“梅尔频谱”提取特征,它转换了思路与赛道,将语音合成这个步骤改为“语言模型”的任务。

       以前走音素→梅尔频谱(mel-spectrogram)→波形的流程,被VALL·E改变成了音素→离散音频编码→波形

游侠网3

       ——当然,尽管这些东西是我写出来的,但我完全看不懂官方说的是什么,我放张图也只是显得文章没有那么空而已。

       在我能看懂的介绍里,让我觉得最值得发出来给大家讲讲的,就是这个VALL·E,不只是能用过数据模仿出采样人的音色,它连语气语速都模仿的非常到位。

       也就是说,你录个几句话给这个AI听一听,他就能通过这些数据来识别你的语气语速,并可以在接下来你制作的“作品”中使用这套数据——约等于,你不张嘴就把话说了。

游侠网4

       除此之外,包括采样者的背景音和话语中的情绪,VALL·E都能通过学习慢慢掌握。

       一个音色、语气、语调、语速、情绪甚至是背景里的环境音被训练到极致的语音AI,说出的话可能真的和本人差别不大了。

       搭配上“AI作者”和“AI绘画”,好家伙,已经可以组织起一个公司会议上的赛博PPT了,等哪天“AI动画”出来了,我们没准还能看见机器人自己拍的电影。

       不少网友也评论,继画家和作者失业后,这股海克斯狂潮终于轮到配音演员身上了。

游侠网5

       像其他 AI 新技术一样,这个尚未开源的VALL-E在安全、伦理等方面也引发不少人的担忧,尽管微软发布了关于使用 VALL-E 的道德声明,但未来的事儿谁又说得准呢。

       怎么样各位,这么看下来,你觉得这个VALL-E会不会是新的一年里的AI蓝海?

0
您已顶!来,表个态~
×

相关评论

关于游侠 | 广告合作 | 人才招聘 | 联系我们 | 网站地图 | 投诉建议 | 我要投稿 | 版权保护投诉指引
增值电信业务经营许可证 浙B2-20120287 | 浙ICP备20015179号-3 | 浙网文[2015]0882-251 | 浙公网安备 33010502000468号
CopyRight © 1999-2023 ALi213.Net All Right Reserved 游侠网 版权所有