OpenAI首次展示音频模型Voice Engine,15秒即可复制原音,生成的声音太逼真了! AIGC开放社区 用户只需要提供15秒左右的参考声音,通过Voice Engine就能生成几乎和原音一模一样的全新音频,在清晰度、语音连贯、音色、自然度等方面比市面上多数产品都强很多。 3月30日凌晨,OpenAI在官网首次展示了全新自定义音频模型“Voice Engine”。 用户只需要提供15秒左右的参考声音,通过Voice Engine就能生成几乎和原音一模一样的全新音频,在清晰度、语音连贯、音色、自然度等方面比市面上多数产品都强很多。 除了能合成音频之外,OpenAI还展示了Voice Engine很多其他际商业用途,例如,一位失去声音表达能力的女孩,在Voice Engine帮助下能像以前一样正常发音说话。 Voice Engine功能展示 OpenAI并非展示了一些简单的demo,而是一些实际场景化用例,这也就是说Voice Engine的技术已经非常成熟。 Age of Learning 是一家儿童教育公司,他们一直在使用Voice Engine生成各种有声读物。同时还通过与GPT-4的相结合使用,创建实时、个性化的回答与学生互动。 例如,使用一段15秒的参考音频。 age-of-learning-reference 00:00 / 00:15 就可以生成几乎一模一样的语音。 animals 00:00 / 00:16 除了语音合成之外,Voice Engine还能提供视频翻译功能,可以将一种视频语音无差别的翻译成多国语言。 HeyGen是一家AI视频合成平台,主要帮助企业开发商品展示的“数字人”。他们通过使用Voice Engine进行视频翻译,扩展至多国语言来扩大全球覆盖受众。 输入一段原参考语音 heygenenglish 00:00 / 00:16 就能将其转化成中文语音 heygen-mandarin 00:00 / 00:24 或者日文语音 heygen-japanese 00:00 / 00:22 帮助声音受损的人恢复声音:诺曼-普林斯生命科学研究所正在测试一项实验,正通过Voice Engine帮助那些因肿瘤或神经系统病因,导致语言障碍的患者恢复声音。 目前,他们已经帮助一位因血管性脑肿瘤,而失去流利语言表达能力的年轻女患者恢复了声音。 下面这段声音是女患者的,她已经无法清楚表达自己说的话。 lifespan-current 00:00 / 00:30 通过提供她之前正常的语音,用Voice Engine进行转译。 lifespan-reference 00:00 / 00:15 现在这位女患者可以正常与其他人交流了。 lifespan-talking 00:00 / 00:16 OpenAI表示,其实他们在2022年底便开发了Voice Engine,并将其用于支持文本到语音 API 中的预设语音以及 ChatGPT 的语音和朗读功能。 但出于安全考虑一直没有全面公测,目前也只是小范围测试。因为相比文本、视频,音频的造假能力太强了几乎无法分辨出来。 此外,OpenAI首席技术官Mira Murati在前不久接受的采访时表示,未来Sora生成的视频会带声音的,很可能为其提供声音的就是Voice Engine。 本文作者:AIGC开放社区,来源:AIGC开放社区,原文标题:《OpenAI首次展示音频模型Voice Engine,生成的声音太逼真了!》 风险提示及免责条款 市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。 责任编辑:王永生 |