点击下方“AI算法与图像处理”，一起进步！
重磅干货，第一时间送达

---

  新智元报道  

AI学会用声音对你调情了...

 

2013年，一部科幻电影「Her」讲述了，宅男作家西奥多（Theodore）爱上了人工智能系统萨曼莎（Samantha）那略微沙哑的性感嗓音的故事。

 

 

受这部电影启发，一家AI语音初创公司Sonantic创造出了一种合成声音，可以表达微妙的情感，比如挑逗和调情。

AI学会调情了

Sonantic的目标关键在于将非语音声音融入到音频中，训练AI模型重现那些微弱的呼吸声、嘲笑和半掩的笑声等等。

 

这些声音和人类生物学特征相吻合，可以呈现出一场真实的演讲。

 

Sonantic的联合创始人和首席技术官John Flynn表示，我们以爱作为主题，就是为了是看看AI是否能够模拟微妙的情绪。

 

先看个视频，感受一下。

 

 

在第一次听的时候，大多数人都会认为这个声音和真人的声音几乎没什么区别。

 

当你听到人工智能说，「I think I, I think I love you, I love you」时，就会有一种舒适感。

 

视频中，她的呼吸声，笑声都让人不得不相信这就是真人发出的声音。

 

 

Sonantic的首席执行官Zeena Qureshi将公司的软件描述为「声音的 Photoshop」。

 

这一软件的界面允许用户输入他们想要合成的语音，指定传递的情绪，然后从一组人工智能声音（其中大部分是从真人演员那里复制的）中选择。

 

 

情绪的选择包括愤怒、恐惧、悲伤、快乐和喜悦，以及刚刚更新的调情、害羞、取笑和吹嘘。

 

「导演模式」（director mode）能够进行更多的调整，包括声音的音调，传达的强度，还有那些微弱的非语音发声，比如笑声和呼吸声。

 

 

有网友表示，「这个声音听起来也太真实了吧！」「我现在终于可以创造我自己的Her。」

 

 

 

以下5段音频是经过Sonantic软件生成的原始样本，分别表达出调情、戏弄、高兴、愉快和随意。

 

调情

‍

戏弄

高兴

愉悦

 

随意

对小编来说，这几段音频比展示版的片段要粗糙很多。这其实能够说明一些问题。

 

首先，为了让AI的声音更加逼真，必须要有人工润色这一步。

 

在很多人工智能的领域都是这样，比如无人驾驶。无人驾驶已经基本上实现了自动驾驶，但是还有最后非常重要的5%的部分需要人工参与。

 

这就说明完全自主、完全合格的AI语音合成还有很长的一段路要走。

 

另外，心理学上有个词叫「启动效应」，它能做到欺骗你的感官。

 

这段演示版的视频，展示了一个真人演员在镜头前局促不安的片段。这个片段会激发你的大脑，让你觉得同时播放的声音也是真人声音。

 

这说明，最好的合成音频，就是「半真半假」。有的输出是真实的，有的是AI合成的。

灵感源头「Her」

 

除去AI音频逼真到什么程度的问题，Sonantic放出的音频还暴露了其它一些问题。

 

比方说，创建一个会调情的AI需不需要遵守什么道德规范？用AI的声音欺骗听者是否公平？

 

Sonantic又为什么选择女性的声音来制作调情音频？

 

实际上这个问题说明，在当今男性主导的科技行业，这种选择暗含了一种微弱的性别歧视。一般都会把这种AI助理设置成顺从、甚至有些轻浮的秘书形象。

 

 

关于这个问题，该公司表示，「我们之所以选择女性的声音，只是因为我们这个点子是受Spike Johze在2013年电影Her所启发的。这部电影的主角就爱上了一个女性AI助理，名叫Samantha。」

 

在第二个问题上，Sonantic表示，「公司清楚这项技术的发展可能会带来哪些道德上的难处。所以公司在如何使用和哪里使用AI音频的问题上非常小心。」

 

该公司的CEOQureshi表示，「正是因为这些原因，我们目前只把这项技术应用在娱乐方面。不能什么地方都用CGI，目前只是为了提供最好的娱乐体验和模拟效果才用。我们也同意这项技术会遇到这样或那样的问题。」

 

 

她还补充说，该公司展示的所有视频都说明了其中的声音是合成的，不是真人的声音。但这并不代表不会有人为了欺骗，而用这款软件去生成一些音频。

 

毕竟，AI的声音都开始和用户调情了，谁知道下一步它们还能做出什么呢？

参考资料：

https://www.theverge.com/2022/2/17/22936978/ai-voice-speech-synthesis-audio-deepfake-sonantic-flirtation

觉得不错，请点个在看呀