吳明宜Meta公布AI語音生成模型Voicebox，可產生多種語言語音，但暫不公開原始碼，以避免潛在的誤用和深偽問題。
Meta 本周稍早公佈新的 AI 語音產生模型 Voicebox，宣稱是技術重大突破，但它暫時不會公開原始碼，因為擔心貿然開放會引發災難。
Meta 宣稱 Voicebox 為一種文字轉語音 (text-to-speech）技術，可以產生 6 種語言的語音，還能消除噪音、變換風格，產生多樣化的內容。更好的是它對訓練資料集的需求比傳統技術來得低。傳統方式需要準備專用的資料集來訓練，但 Voicebox 只需 2 秒鐘的聲音樣本，就能比對聲音風格，以文字產出語音，或是將被噪音干擾的聲音重製。它目前能理解英文字，產生 6 種語音，包括英、法、德、西語、波蘭語及葡萄牙語。
Meta 公司表示，Voicebox 可為虛擬助理或是元宇宙、動畫內的非真人角色 (non-player character) 賦予生動的人聲，也能於輔助功能，像是為視障或弱視用戶朗讀出網頁或數位內容的文字，或是為無法說話、有表達困難的使用者發音。而它的語音修正功能也很好用，例如你的演講錄音有一些字發音不正確，它也能獨立出那部份，合成你的聲音來矯正那段落。
Voicebox 目前正在開發中，但 Meta 不打算將之公開，因為它說擔心 Voicebox 等工具可能被誤用造成不預期的傷害。 Meta 的顧慮是正確的，因為隨著 AI 語音產生模型的開放，可能讓歹徒製造 deepfake 詐騙電話，騙取單獨在家的孩童或爺奶，甚至連一般成年人都可能無法倖免。
來源：CNET