日前，OpenAI方面发布音频生成模型Voice Engine。据了解，Voice Engine可通过简短的15秒音频样本和文本提示词，生成与音频样本提供者相似的、富有感情自然语音。

据OpenAI方面透露，早在2022年底便开发了Voice Engine，并将Voice Engine用于支持文本到语音API中的预设语音以及ChatGPT语音和朗读功能。同时在相关公告中，OpenAI还罗列了Voice Engine的一些早期应用场景，例如通过自然、富有情感的声音辅助儿童阅读，翻译视频和播客等内容，改善偏远地区的社区服务，帮助患有突发性或退化性言语病症的患者恢复声音等。

针对上述场景，OpenAI方面也给出了与少数“值得信赖”合作伙伴共同完成的技术案例。例如，儿童教育公司Age of Learning使用GPT-4与Voice Engine与学生进行个性化的交流；人工智能替代通信应用程序Livox通过使用语音引擎，为残疾人提供跨多种语言的自然声音等。

至于模型训练数据的来源，Voice Engine产品团队成员杰夫·哈里斯 （Jeff Harris）在接受媒体采访时表示，该模型是根据“许可数据和公开数据的组合”进行训练。

需要注意的是，虽然OpenAI方面公布了Voice Engine的一系列应用成果。但该公司还表示，由于合成语音有可能被滥用，他们对更广泛的发布采取了谨慎和知情的态度，选择在此时预览、但不广泛发布这项技术。

据了解，目前OpenAI方面仅向Age of Learning、Livox，以及视觉故事平台HeyGen、前线健康软件制造商Dimagi等合作伙伴小规模开放了Voice Engine访问权限。而且在与这些合作伙伴签订的条款中，OpenAI方面要求合作伙伴在使用语音样本之前要征得声音主人的同意，并明确告诉听众声音是AI生成的。此外OpenAI还实施了一系列安全措施，包括添加水印以追踪Voice Engine生成的任何音频的来源，以及主动监控其使用情况。

对此OpenAI方面表示，“通过开放小规模部署，有助于我们按照现有方法、保障措施等推进产品落地，并在不断磨合、探索过程中思考，如何将Voice Engine用于各行各业”。同时该公司还强调，“无论我们最终是否会广泛部署这项技术，让全球各地的人们了解这个发展方向都是非常重要的”。

【以上内容转自“三易生活网”，不代表本网站观点。如需转载请取得三易生活网许可，如有侵权请联系删除。】

延伸阅读：

• OpenAI CEO承诺，不会与相关开发者直接竞争
• 微软Azure云平台集成OpenAI DALL-E 2：生成式AI市场日趋成熟

未经允许不得转载：零时古怪 - 中国第一时事资讯综合门户 » OpenAI发布音频生成模型，并已启动小范围测试