Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 探索合成语音的挑战与机遇 [译]
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
探索合成语音的挑战与机遇 [译]
Prompt 语宙 > 强化 AI 学习 > 探索合成语音的挑战与机遇 [译]
强化 AI 学习

探索合成语音的挑战与机遇 [译]

宝玉的分享
最近更新: 2025年3月31日 下午3:27
AI音频与语音 ChatGPT HeyGen OpenAI
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • Voice Engine 仅需 15 秒音频样本,就能生成自然、逼近原声的定制语音。
  • 试验显示其可用于阅读辅助、多语种配音、远程医疗和 AAC 无障碍沟通。
  • OpenAI 对外发布采取谨慎策略,强调明确知情同意与禁止未经授权模仿。

我们将分享一次 Voice Engine 小型试验项目的经验教训,这是一款能够创建定制语音的模型。

阅读目录
  • Voice Engine 的初步应用探索
  • 打造安全的 Voice Engine
  • 展望 Voice Engine 的未来

OpenAI 致力于研发既安全又能普遍造福社会的 AI 技术。今天,我们要分享一个名为 Voice Engine 的模型的小规模试验初步见解与成果。该模型通过文本输入及仅一段 15 秒的音频样本,生成既自然又与原声极为接近的语音。特别值得一提的是,即使是一个小型模型,只需一个 15 秒的样本,也能创造出富有情感且逼真的声音。

我们在 2022 年末首次开发了 Voice Engine,并以此为文本到语音 API、ChatGPT Voice 和 Read Aloud 提供预设语音。同时,考虑到合成语音可能被滥用的风险,我们正采取谨慎且信息充分的策略对更广泛的发布进行规划。我们希望能够启动一个关于合成语音责任使用的讨论,并探讨社会如何适应这些新技术。依据这些讨论及小规模试验的成果,我们将更有信息地决定是否及如何将这项技术广泛部署。

Voice Engine 的初步应用探索

为了深入探索这项技术的应用潜力,我们于去年末开始与一小批信赖的合作伙伴进行了私密性测试。这些合作伙伴所开发的应用程序令我们印象深刻。这些小规模的实践不仅丰富了我们的方法论、增强了安全保障,也促使我们深思 Voice Engine 如何在多个行业中发挥积极作用。一些初期的应用示例包括:

  • 通过提供听起来自然而充满感情的声音,为非读者和儿童提供阅读辅助,涵盖了比预设声音更广泛的说话者。教育科技公司 Age of Learning 致力于儿童的学术成就,他们利用这项技术生成了预编写的旁白内容,并结合 Voice Engine 及 GPT-4 技术,实时生成个性化反馈与学生互动。借助这项技术,Age of Learning 得以为更广大的受众创造了更多内容。

    • 参考音频样本

      • English:

      • Spanish:

    • 生成的音频

      • Learning Together:

      • Promotion:

      • Learning Spanish:

  • 利用 Voice Engine 转换内容,如视频和播客,使创作者和企业以自己的声音,流畅地触及全球更多人群。HeyGen 是此技术的早期采用者之一,它是一个 AI 视觉故事讲述平台,与企业客户合作为不同的内容创作定制化、接近真人的虚拟形象,覆盖产品营销到销售演示等领域。他们利用 Voice Engine 进行视频内容的多语种翻译,以便触及全球观众。在翻译过程中,Voice Engine 能够保持原始说话者的特有口音,例如,将一个法国说话者的声音转换成英语时,生成的语音将带有法国口音。

    • 参考音频样本

    • 生成的音频

      • 普通话:

      • 日语:

      • 西班牙语:

      • 德语:

      • 法语:

  • 通过提升偏远地区基础服务的质量,连接全球社区。Dimagi 正在开发工具,帮助社区卫生工作者提供必要的服务,如为哺乳期母亲提供咨询。为了帮助这些工作者提高技能,Dimagi 结合 Voice Engine 和 GPT-4,用工作者的母语提供交互式反馈,包括斯瓦希里语或肯尼亚流行的混合语言 Sheng 等更为非正式的语言。

    • 参考音频样本

      • Swahili:

      • Sheng:

    • 生成的音频

      • Nutrition:

      • Vitamin A:

      • Breastfeeding:

  • 支持无法言语的人群,例如为受语言障碍影响的个体提供治疗应用,以及满足学习需求者的教育增强。Livox 是一款 AI 辅助交流应用,支持增强和替代性交流(AAC)设备,帮助残障人士进行沟通。通过使用 Voice Engine,Livox 为无法言语的人提供多种语言下的独特而非机械式的声音选择,用户可以挑选最能体现个人特色的语音,并对多语种用户提供在每种语言中保持一致声音的能力。

    • 参考音频样本

    • 生成的音频

      • English:

      • Portuguese:

  • 帮助患者找回自己的声音——对于那些因突发或逐渐恶化的疾病导致语言能力受损的人来说。Norman Prince 神经科学研究所隶属于 Lifespan 健康系统,后者是一个非营利机构,同时也是布朗大学医学院的主要教学附属。该研究所正在探索 AI 技术在临床场景中的应用。他们启动了一个试点项目,向那些因肿瘤或神经病理学原因导致语言障碍的个体提供 Voice Engine 服务。得益于 Voice Engine 仅需极短的音频样本,Fatima Mirza 医生、Rohaid Ali 医生和 Konstantina Svokos 医生成功地利用一名年轻患者为学校项目录制视频的音频,恢复了她因脑血管肿瘤而失去的流畅语言能力。

    • 患者现在的声音

    • 参考音频样本

    • 生成的音频

      • Talking

      • Ordering

打造安全的 Voice Engine

我们深知生成与人声相似的语音带来的严重风险,在选举年份尤其引人关注。因此,我们正与政府、媒体、娱乐业、教育界、民间组织以及更广泛领域的美国及国际合作伙伴沟通,确保他们的反馈被我们在构建 Voice Engine 时考虑在内。

当前参与 Voice Engine 测试的合作伙伴已同意遵守我们的使用政策,该政策明确禁止未经授权模仿任何个人或组织。此外,我们与这些合作伙伴的协议要求必须得到原始发言者的明确知情同意,我们也不允许开发人员创建让用户自制声音的功能。合作伙伴必须向听众明确声明,他们听到的声音是 AI 合成的。最后,我们部署了一系列安全措施,包括对 Voice Engine 生成的任何音频加上水印,以便追溯其来源,同时主动监控其使用情况。

我们认为,合成语音技术的广泛推广必须配备语音认证机制,确保原始发言者明知并同意加入其声音到服务中,并设立一个声音黑名单,防止制作出与公众人物过分相似的声音。

展望 Voice Engine 的未来

Voice Engine 代表了我们对技术前沿的深入理解和对 AI 未来可能性的公开探索的持续承诺。根据我们对 AI 安全的看法和自愿承诺,我们目前选择仅进行技术预览而不广泛发布。我们希望,通过这次预览,不仅展示 Voice Engine 的巨大潜力,还能够激发社会加强防范,以应对由越来越逼真的生成模型带来的挑战。具体来说,我们支持以下措施:

  • 逐步取消使用声音认证作为访问银行账户和其他敏感信息的安全手段
  • 探讨保护个人声音在 AI 应用中的政策
  • 向公众普及 AI 技术的能力与局限,包括对可能的欺骗性 AI 内容的认识
  • 加快开发和采纳追溯视听内容来源的技术,确保用户明确知道自己是在与真人还是 AI 进行互动

全球范围内的人们理解这项技术的前进方向至关重要,无论我们最终是否广泛部署它。我们期待与政策制定者、研究者、开发者和创意工作者继续进行关于合成声音技术的挑战与机遇的深入讨论。

🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
ChatGPT ↗
OpenAI 研发的通用人工智能对话大模型,支持多模态交互与深度推理。
HeyGen ↗
HeyGen:专业的AI数字人视频创作平台,面向AI 视频创作场景提供便捷实用的在线功能支持,涵盖AI写作、AI
❓ 常见问题解答(FAQ)
Voice Engine 需要多长音频样本才能生成语音?

文中提到,Voice Engine 只需一段约 15 秒的音频样本,再结合文本输入,就能生成自然、接近原声的语音。这也是它在定制语音和语音克隆场景中的核心能力之一。

Voice Engine 目前有哪些实际应用场景?

文章列举了阅读辅助、儿童教育内容生成、多语种视频与播客翻译、偏远地区卫生培训、AAC 辅助沟通,以及帮助失语患者找回声音等场景,覆盖教育、内容创作、医疗与无障碍领域。

OpenAI 如何控制 Voice Engine 的滥用风险?

OpenAI 表示会谨慎推进更广泛发布,并与政府、媒体、教育和民间组织等沟通;同时要求合作伙伴遵守使用政策,禁止未经授权模仿,且必须获得原始发言者明确知情同意。

🔬 语宙深潜追问 · 进阶实操拆解
如何把语音克隆做成可控产品?

先做强授权链路:录音采集、用途声明、可撤销同意、生成留痕四件套缺一不可;再加水印、风格边界和敏感场景拦截,确保可追责、可下线、可审计。

落地医疗和无障碍时最该防什么?

最该防误导与身份冒用。医疗场景要明确“辅助非诊断”,关键内容必须人工复核;无障碍场景则要优先稳定性、低延迟和多语种准确率,避免情绪化表达干扰信息理解。

🗳️ 读者观点微投票 · 您的实战立场是?
合成语音先放开还是先严控?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
⚡ 所属权威专题:OpenAI GPT 与 Sora 生态 →
  • Voice Engine – OpenAI公布的AI语音合成和声音克隆模型
  • VoiceCanvas – 开源AI语音合成平台,支持多语言、多音色、声音克隆服务
  • VoiceCraft – 开源的语音编辑和文本转语音模型
  • GLM-TTS重磅开源:智谱AI发布声音克隆与情感语音合成模型,重塑多行业应用
🏛️ 宝玉的分享 · 前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
[AI生图咒语] a high-quality vertical 高清生图提示词
MDT-A2G – 复旦&腾讯优图推出的AI模型,可根据语音同步生成手势
ForgeTrain – 面壁智能联合清华等开源的大模型预训练框架
Aero-1-Audio – LMMs-Lab 推出的轻量级音频模型
利用 AI 教学哈佛 CS50 课程 —— 在计算机科学教育中的生成式人工智能应用 [译]
TAGGED:AI音频与语音ChatGPTHeyGenOpenAI
分享
Email 复制链接 打印
Share
宝玉的分享 头像
By宝玉的分享
Follow:
前沿大模型翻译与提示词工程实战分享专栏,聚焦海外一手 AI 技术动态与工程实践。
上一篇 source forge repo screenshot GitHub 如何成为代码托管的领头羊,超越 SourceForge [译]
下一篇 在 AI 淘金潮中,企业究竟富得有多少? [译] 在 AI 淘金潮中,企业究竟富得有多少? [译]
Ad image
Ad image

最近更新

WordPress 7.2版本更新与默认随机重定向、Secrets API撤回及MCP核心能力拆解封面图
官方博客竟把关闭过滤器写错了!WordPress 7.2前瞻全拆解:默认/random/暗藏隐私与SEO风险、Secrets API紧急撤回与3项MCP只读能力落地
AI 工具
Anthropic上市募资与算力长约的隐喻:现金光环上升,数据中心暗链延伸,治理水晶承受张力与阻力冲击。
募资超1070亿美元却背负9000亿算力长约!Anthropic史上最大IPO背后的三大隐忧:1040亿年内亏损、地方抵制潮与PBC治理死结
AIGC 资讯
微软Copilot与Claude/ChatGPT价格战隐喻:发光玻璃表格堡垒守住Excel,数据流高效汇聚,企业AI竞争升级
3000万付费仅吃下4.5亿席位不到7%!微软Ignite正面叫板Claude与ChatGPT:月均30美元VS 205美元价格战与Excel保卫战全拆解
AIGC 资讯
联想AI推理时代的端边云全栈算力插画:玻璃拟态服务器核心发光,光流连接云端与边缘节点,呈现营收与订单增长动能。
AI营收暴涨80%且握5300亿服务器订单!联想Q2单季营收首破2000亿、净利狂飙166%:端边云全栈算力如何接住推理时代红利?
AIGC 资讯

相关推荐

[AI生图咒语] 职业级角色设计六阶段进化过程展示板
AI 生图 Prompt游戏资产与 3D

[AI生图咒语] 职业级角色设计六阶段进化过程展示板

Prompt 语宙研究院
AI绘画提示词 ChatGPT Midjourney OpenAI
AIChatting聊天机器人
AI 工具

AIChatting聊天机器人

remaker
AI办公效率 AI智能体 ChatGPT OpenAI
Eliza – 开源多功能AI Agent框架,快速搭建智能、高效的AI系统
AIGC 资讯

Eliza – 开源多功能AI Agent框架,快速搭建智能、高效的AI系统

Prompt 语宙研究院
AI智能体 Claude Llama OpenAI RAG检索增强
Waymo 首款从零设计网约车 Ojai 亮相:Gemini 上车,三屏各有分工
AIGC 资讯

Waymo 首款从零设计网约车 Ojai 亮相:Gemini 上车,三屏各有分工

Prompt 语宙研究院
3D与空间智能 AI智能体 AI音频与语音 Gemini
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.