一分鐘模仿你的聲音，谷歌實驗室發布重磅語音合成技術

假如有一天，你發現機器人發出跟你完全一樣的聲音，你是該歡喜，還是驚慌？這並不是危言聳聽，谷歌的一家實驗室已經開發出一項新技術，能夠在1分鐘模仿任何聲音，把聲音合成技術提高到一個嶄新的高度，但同時，技術的雙刃劍效應也應該引起人們的警惕。

特朗普：我不是機器人

奧巴馬、希拉里和特朗普討論

來自創新地標

00:00

00:28

奧巴馬、希拉里和特朗普討論 來源：lyrebird

這些名人聲音模仿，雖然目前還不至於讓人信以為真，但它讓我們看到：跟普通的聲音合成軟體相比，它已經能夠聽懂每個人說話的獨特語調，並且在幾乎所有語境下都能熟練運用。

開發這項技術的正是谷歌2016年在加拿大蒙特利爾大學建立的人工智慧實驗室（MILA）。基於聲音合成技術，MILA在今年4月份剛剛成立了Lyrebird公司。

琴鳥

琴鳥（lyrebird）來源：維基百科

很巧的是，這家公司的名字也是一種叫做琴鳥的鳥類名字。琴鳥的神奇之處在於，它不僅能模仿多種其他鳥類的聲音，它還能模仿大自然不存在的聲音，比如說汽車鳴笛聲、伐木用的電鋸聲、相機的快門聲。你可以從下面這段視頻中領略琴鳥高超的聲音模仿技巧。

戴維·阿滕伯勒爵士（Sir David Attenborough）講解琴鳥 來源：Youtube

聲音合成，只需1分鐘

琴鳥的模仿者，lyrebird公司在眾多聲音合成公司中脫穎而出。它宣稱，只需要1分鐘的聲音樣本，就可以模仿任何人說話。

之所以能產生如此高還原度的合成聲音，背後的技術正是神經網路（Neural Network）和機器學習（Machine Learning）。神經網路模擬電信號在人腦神經元之間的傳遞過程，對輸入數據進行處理。它利用分層的神經元，從大量樣本數據中總結出共同特徵。目前，神經網路在圖片識別、字幕生成等方面受到了廣泛應用。

一分鐘，合成你的聲音 來源：紐約郵報

在這裡，研究人員首先用很多不同的聲音訓練神經網路，把聲音的音節數據還原成聲音。Lyrebird公司的創始人亞歷山大·布雷比松（Alexandre de Brébisson）說：「不同的聲音中包含了很多信息。」神經網路能夠從聲音樣本中抓取關鍵特徵，如音色、音調、音節、停頓等等，而這些關鍵特徵足夠定義一個人的聲音，這跟人們根據聲音判斷說話者是一個道理。布雷比松把這些關鍵特徵比作聲音的DNA，「在學習了很多不同講話者的聲音後，學習一個全新的陌生聲音就會快很多，這也是我們為什麼不用那麼多數據的原因。更多的數據肯定也是有幫助的，不過一分鐘就足夠捕捉聲音的DNA中的大部分信息了。」

半秒合成1千句話

除了表現出出色的模仿效果，Lyrebird公司的聲音合成技術還能在快速合成聲音。公司官網上宣稱，藉助系統的GPU群，它可以在半秒鐘內合成1千句話。它的合成原理簡單來說就是，記錄某人1分鐘的聲音，lyrebird把聲音中的DNA壓縮成特殊的鑰匙，隨後用這個鑰匙就可以合成任何與說話者相似的聲音。

好玩、好用

有了這項技術，網路上的流行混剪視頻的製作將容易很多，製作者只需把畫面剪切在一起，lyrebird完全可以生成你需要的任何聲音。除了這類應用以外，lyrebird聲音合成技術在更多的場景中都能派上用場，比如說為失語者配音。你可以把它想像成一款腦洞編輯器，可以讓我們的生活更有趣。Lyrebird公司設想了一些應用場景，如虛擬現實、有聲書朗讀、遊戲、動畫等，以及提高人們生活質量的應用，如個人助手、心理治療等。

雙刃劍

技術是把雙刃劍 來源：美國安全項目

然而這項技術的漏洞也是顯而易見，不在於技術本身，而在於使用它的人。如果這項技術被圖謀不軌的人利用，社會上的誤導、迷惑、欺騙行為可能會更加猖獗。小到錢財，大到人身安全、社會集體利益可能都會受到威脅，無意間的犯罪或者被侵犯都是非常可怕的事情。

關於技術的道德問題，Lyrebird在其官網也專門給出了解釋，他們聲明開發的技術實在警醒人類在未來（甚至現在）聲音篡改模仿都是可能的，儘管現在法庭上還將錄音作為一項重要的證據，他們不認為這是很妥當的，因為誰都可能偽造這種證據。而通過將這項技術發布給全世界，他們希望確保技術的安全性，希望人人都能接觸到這個信息：在不久的將來聲音也可以被破解。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！