最先進AI工具生成聲音與人聲無異

科技日報記者 劉霞

許多人仍認為人工智能（AI）生成的語音聽起來“機械感”明顯，但英國倫敦瑪麗女王大學研究團隊在新出版的《公共科學圖書館·綜合》雜誌上發表論文指出，AI語音合成技術已進入新階段，其生成的“克隆語音”或深度偽造聲音，逼真度與真人錄音無異。

研究團隊採用當前最先進的AI語音合成工具，生成兩類合成語音：一類是基於真人錄音的“克隆”聲音，旨在模仿特定説話者；另一類則由大型語音模型生成，不針對具體個人。參與者被要求辨別聲音的真實性與可信度。

儘管研究未發現AI聲音存在“超真實效應”（即比真人更像真人），但結果顯示，“克隆語音”的逼真度已與真人聲音不相上下，令人難以分辨。且部分AI生成的聲音在可信度評價中甚至超越了真人錄音。

研究團隊表示，AI語音已滲透日常生活，如Alexa、Siri及各類客服系統。雖然當前系統音色仍具機械特徵，但自然度接近人聲的AI語音技術已然成熟。利用商用軟件僅需幾分鐘真人錄音，即可快速、低成本地生成高質量聲音克隆，且幾乎無需專業知識。

最新研究顯示，公眾對高仿真語音認知機制的研究迫在眉睫。AI語音技術的飛速發展有望給教育、人機交互等領域帶來創新機遇——在這些領域，定製的高質量合成語音可增強用户體驗。但是，合成語音也對倫理、版權和安全構成挑戰，尤其在虛假信息、詐騙與身份冒用等方面需加強防範。