伙伴们，快刀广播站又开始广播了。
OpenAI最近发表了一篇博客，介绍了他们在文字转语音方面的最新进展。因为得到从2017年就开始在电子书等场景里引入了罗胖的定制音色，包括你现在听到的AI学习圈广播站的声音，以及隔壁职场圈花姐信箱的声音，都是由文字转成的AI语音，所以我也一直很关注这方面的进展。
去年，OpenAI首次放出语音对话功能时，我当时感觉非常震惊。虽然是大半夜，但我当时也打扰了我们的技术合作伙伴，拿OpenAI的效果问他，“咱们什么时候能达到这个效果。”
这次，OpenAI发布的定制语音模型Voice Engine，比自然AI语音往前更进一步。具体来说，这个语音引擎只需要输入一段文本，和一段15秒的音频，就可以创造出一个和说话者本人非常相似的自然语音，富有感情，并且非常逼真。
OpenAI从2022年年末开始开发这个语音引擎，然后用在了ChatGPT的语音对话里。不过，由于担心合成语音被人滥用，所以这次他们并没有直接开放这个引擎，而是先放出了一些案例，让大家感受一下合成语音的能力，然后邀请各界围绕这个新能力展开讨论。在讨论的基础上，OpenAI再决定接下来怎么大规模地部署这个语音引擎。
这种方式完全可以理解，因为ChatGPT里的语音非常逼真，并且会出现像人类那样的卡壳和停顿，让你感觉对方不是没有感情的AI，而是真的在思考。如果这个语音引擎接口开放出来，对很多电诈犯罪团伙来说，简直就是鸟枪换炮了。别说对网络不了解的老年人会上当，连我们这种每天接触AI的人，可能都很难辨别真伪。
在这篇博客里，OpenAI展示了和几个合作伙伴的测试成果，我给大家介绍一下，听完他们能达到的效果，你就知道有多么难辨真假了。
第一个项目是OpenAI与教育科技公司Age of learning一起做的，主要给不识字的儿童提供语音阅读材料。自然而富有感情的声音会让孩子感到很亲切，而且，孩子不只是听故事，听的过程中也能提问和互动。这个产品会先通过ChatGPT实时创建个性化的回答，然后再用语音引擎读出来。这就意味着，孩子面对的是一个可以随时唤起的玩伴，能一起创造出故事。
我在音频里给你放了一段15秒的真人音频，和一段AI从这15秒音频中创造出的声音，你对比听一下。听完之后，你是不是觉得足够以假乱真了？
第二个项目是多语种翻译。比如，创作者拍了视频或者录了播客，可以用这个声音引擎变成各国的语言，分发到全球。这个项目的合作伙伴就是HeyGen，如果你还有印象的话，去年很火的那个霉霉说中文的视频，以及郭德纲说英文相声的视频，都出自HeyGen之手。当时我还特别兴奋地发了个朋友圈，辗转找到了HeyGen的创始人，想问问那么牛的AI音频怎么做出来的。当我知道背后是OpenAI的这个语音合成引擎时，就非常能理解为什么效果这么逼真了。
我在音频里给你放一了段15秒的英文原声。然后这个音频就可以直接生成带有口音的西班牙语、普通话、法语、日语等。我在音频里再给你放一段AI生成的普通话。
至少听起来，跟刚才的英文原声有非常多的口音相似度，特别像一个学习中文的外国人的语音语调了。
第三个项目是为了改善偏远地区的基本服务。一个叫Dimagi的公司正在基于语音引擎开发工具，帮助非洲一线的社区卫生工作者提供基础的咨询服务。这个工具可以识别肯尼亚的斯瓦西里语等少数族裔语言，并且让AI用对方的母语提供反馈。
第四个项目是跟医疗相关的，主要针对的是突发性或者退化性言语障碍的患者，用来帮他们恢复语音。这个项目是跟布朗大学医学院合作的，核心就是能让这些语言障碍的用户使用一段录制的音频，因为语音引擎只需要15秒就可以做个性化的定制，所以可以让这批用户通过AI发出有自己特色的声音。
介绍完这几个项目，OpenAI在博客文章里还呼吁说，如果要广泛部署这套服务，应该配备语音认证的验证，用来检验原始说话者愿意用他们的声音去做定制，并且还应该有一个禁止使用的声音列表，用来检测和防止创建与知名人物过于相似的声音。
所以从长期来看，OpenAI这个语音引擎肯定还会有技术层面的效果提升，不过更值得关注的是这两个方面，一是别人用这个引擎做什么样的应用，今天列的这几个内测项目都是很好的落地方向。另外就是OpenAI如何一步步放开这个技术，在这个过程中如何应对各种未知的风险。
最后和大家说一则活动消息，AI学习圈最新一期创作大赛来了，主题是用AI复现诗歌里的清明，可能是雨纷纷的哀思，可能是踏青游玩的欢乐，也可能是扫墓思亲的肃穆。点击文稿区的链接就能分享你的作品。
点击参加AI创作大赛
好，今天的快刀广播站就到这里了。如果你觉得今天的内容对你有帮助，欢迎分享到朋友圈或者转发给你的朋友们。明天咱们接着聊AI。