OpenAI首次展示音频模型Voice Engine,生成的声音太逼真了!

添加书签

专注AIGC领域的专业社区,关注微软&OpenAI、百度文心一言、讯飞星火等大语言模型(LLM)的发展和应用落地,聚焦LLM的市场研究和AIGC开发者生态,欢迎关注!

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。

OpenAI首次展示音频模型Voice Engine,生成的声音太逼真了!插图

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。

就可以生成几乎一模一样的语音。
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
就能将其转化成中文语音
或者日文语音
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。
通过提供她之前正常的语音,用Voice Engine进行转译。
现在这位女患者可以正常与其他人交流了。
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。

本文素材来源OpenAI官网,如有侵权请联系删除

END

OpenAI首次展示音频模型Voice Engine,生成的声音太逼真了!插图1

OpenAI首次展示音频模型Voice Engine,生成的声音太逼真了!插图2

本篇文章来源于微信公众号: AIGC开放社区