据英国《每日邮报》23日报导，脸书母公司元宇宙渠道公司(Meta)称，其已研制出“迄今功能最强大的语音生成式人工智能Voicebox”，它能够仿照任何人的声响，包括逝者。不过，由于忧虑这项先进技术会被乱用，Meta宣告不会揭露其人工智能模型。

　　Meta公司深度学习人工智能研讨人员在介绍Voicebox时指出，Voicebox使用了“流匹配”方法，其体现优于当前最先进生成式语音体系使用的分散模型。结果显示，Voicebox生成的人工音频更容易了解，单词错误率为1.9%，低于竞争对手的5.9%。此外，Voicebox生成的音频与真人的相似性更高，一起速度快了近20倍。

　　在跨语言翻译时，Voicebox的体现优于备受赞誉的多语言文本—语音AI YourTS，单词均匀错误率从10.9%降低到5.2%，音频相似度从0.335提高到0.481。

　　Meta阐述了Voicebox的多种用途，称其可用来协助视障人士听到朋友和亲人的信息，或答应非母语人士用自己的声响翻译自己所说的话。据悉，Voicebox目前能说6种语言：英语、法语、西班牙语、德语、波兰语和葡萄牙语。

　　不过，Meta强调称，由于潜在的乱用危险，他们目前不会揭露Voicebox模型及其代码。尽管他们认为向人工智能社区敞开并共享研讨，对于推动人工智能向前跨进非常重要，但在敞开与责任之间获得正确的平衡也至关重要。

　　ChatGPT横空出世半年多时间，人们已然深入感受到人工智能语言模型的强大。对于各种提问，它都能对答如流，令人惊叹。试想一下，如果人工智能在答复人类的提问时，不仅内容方式酷似真人，就连声响也令人真假难辨，用户恐怕会感受到更强的冲击力。而后者，正是语音生成式人工智能要完成的目标。不过，正如文中所言，这些强大的技术确实有被乱用的或许，在人工智能技术不断升级迭代的一起，相关监管与道德束缚也要及时“上路”。