开云kaiyun

要说这段时刻哪家公司风头正盛，那非三只羊莫属，隔三差五就要上一趟新闻，如故法制栏谋划那种。

这不前几天，月饼门的事件还没往日，又来了个灌音门。

事情是这样的， 9 月 20 号的时候网上瞬息流传出了一段，疑似三只羊高管卢某的灌音。

灌音里触及到了多位三只羊的女主播，具体本体咱在这就未几作念筹商了，但照实很炸裂。。。

灌音爆出来后，就在网上赶快引起了一波热度。有东谈主说这段灌音纯纯是男的喝多了吹的给力，但筹商的风向很快又造成了这玩意儿，到底是不是 AI 生成的，致使还钓出来不少所谓的 AI 众人，脱手一顿分析。

截止没两天，警方的通报就出来了：皆散散吧，是 AI 干的。

而此次事件的另外一位主角， Reecho 睿声公司也终于浮出了水面，锤了我方的用户一把。

有兴致的是，即使是官方皆出头了，但如故有网友以为卢某是 “ 酒后吐真言 ” ，通报也不外是把锅，甩给了没法儿自证的 AI 。

但岂论咋说，东谈主官方探望通报皆出来了，你信也好不信也罢，这事儿就这样定调了。

不外以差评君对 AI 语音的了解，像三只羊灌音门这种情况，的确是有可能的。主若是现阶段的 AI 语音技巧，照实依然挺训练的了。

因为我们只需要上传一两句话，剩下的平直甩给 AI 就行，分分钟就能克隆一个东谈主的音色。

这样说吧，刻下 AI 语音合成里比拟常见、开源神气也比拟多的，就数TTS 、 SVC&RVC 两大类技巧。

所谓 TTS ，浅易来说等于Text To Speech ，把文本滚动谚语音。像许多 AI 数字东谈主、有声书、视频配音，大伙儿刷抖音时时听到的 “ 戒备看，这个男东谈主叫小帅 ” ，还有剪映素材库里那些 TVB 女声、广西表哥。。。基本皆是 TTS 干的。

像此次三只羊灌音门牵涉到的 Reecho 睿声，亦然一个 TTS 模子的生成网站。我们其实也在他们网站上，克隆过差评君的声优蛋蛋的声息，大伙儿不错听听看到底像不像。

上来先用《 意大利面拌 42 号混凝土 》的 “ 名篇节选 ” 整一波，你别说，你还真别说。音色的复刻过程能有个 80%-90% ，况兼讲话的口吻也贼像，不仔细听还以为在作念什么幽静科普。

我们正本还念念借着 AI 差评君给大伙儿送一波福利，但没念念到这个 AI 小小翻车了一下， 10 台 iPhone 16 说成了 “ 一零台 iPhone sixteen” 。。。穿帮的实在是太明显了，这福利念念送皆送不出去呀，可惜可惜。

借 AI 的口，你致使还能听到差评君管庞大差友们借债。就连国庆节自觉加班 7 天，还不要加班费这种话，从这位 “AI 差评君 ” 的嘴里说出来，你也能听出心应允意的滋味。

除此以外，东谈主家阿谁声息商场里还不错我方选教师好的声息 AI ，不仅有我们的好一又友影视飓风 Tim ，致使还有主播电棍，坤哥和派蒙，就连五星挑剔家麦克阿瑟也能拿来用。

有一说一，这种过程的克隆依然极度传神了，是以刻下回头看三只羊灌音门，好像 AI 参与的简直度又高了极少。而有些一又友可能还以为，那这个 AI 怎样就能把那种醉态、依稀不清的话皆模拟出来呢？

这就得说到 SVC&RVC 了。这内部 SVC （ Singing Voice Conversion ）是用来唱歌的，而 RVC （ Retrieval-based-Voice-Conversion ）的场景多用在直播，这俩皆是及时把语音调遣成 AI 教师的音色，俗称变声器。

由于输入的是音频，是以它就能把一个东谈主的声息滚动的更确切，致使连口吻、声调这些东西皆不错滚动得很当然。如果是歌声调遣，致使还能效法音色和唱腔。

像 GitHub 上有个叫 So-Vits-SVC 的开源神气，就一手打造了AI孙燕姿、唱《 泪桥 》比原唱伍佰还动听的陶喆。

访佛的开源神气还有许多，况兼皆很好上手。举个例子， b 站的大佬 “ 花儿不哭 ” 本年就上线了一个开源模子 GPT-SoVITs ，下载好平直拿语音喂就行了。

你要懒的我方教师，那还不错在魔搭社区用 “xz 乔希 ” 的神气平直开玩；致使剪映和必剪这些裁剪软件里皆依然用上了自家的 AI 语音，除了那些营销号语音你也不错生成我方的。

乃至于璷黫找个器用聚集网站一搜，多得是不错平直上手用的家具。

我们之前用 “ 花儿不哭 ” 开源的 RVC 及时变声算法，也作念过一个差评君变声器。

致使还挑升作念了一个相称差评的运行界面。

至于成果大伙儿自个儿品吧，我打保票，这完满不是近邻差评君的声优蛋蛋录的。

况兼那时我们还挑升给变声器作念了个硬件外挂，刻下还搁办公室里呢。

东谈主在这边对着麦讲话，音响何处及时就能把声息造成蛋蛋的。

看起来挺给力是吧，不外这玩意也不是瞬息就这样先进了。

主要语音生成这一块照实低调，你就说这几年这些 AI 的宣传，一个个皆好像是奔着炸裂全天地去的。三天两端画大饼，谁还缅念念语音生成是怎样个情况。

蔼然的东谈主少，再加上技巧累积也多，那可不等于闷声发大财嘛。只不外刻下瞬息出圈了，群众才嗅觉到齰舌。

说到底如故 AI 期间这些东西的门槛皆镌汰了，你念念 cos 哪个东谈主的声线皆极度便捷。

不外真话，技巧逾越是一趟事儿，但避难就易地说，用这玩意儿来坐法犯科的案例，并不在少数。

也不是咱制造啥心焦，新华网旧年九月就报谈过了筹商的诱拐技巧，你念念念念家里年岁大的老东谈主，若是接到跟你讲话声息一模相似的诱拐电话，说你碰到了危机，会不会把棺材本皆给骗子骗走？

不啻国内，这事在海外照样有，就连好意思国著明密码管束器用公司 LastPass 的 CEO ，皆被伪造声息拿去诱拐了。

尽管刻下依然有不少机构在探讨怎样处理安全问题，探索怎样识别伪造语音等凭证，比如有辩论标明，刻下不错通过算法声纹认证和语音取证等主张，对 AI 合谚语音进行阔别。

但这些更多如故在找 AI 语音上的 bug 来封闭的，就好像数手指和穿模来封闭 AI 图片相似，唯有模子一升级，这些主张可能就也没辙了。

不外差评君以为，要从压根上处置问题，就还得从生成式模子自己启程。

给 AI 生成的图片、音视频也打上访佛水印的标记，同期开采和软件也大约检索到这些标签，辅导群众这些本体并非确切。

像是谷歌就依然脱手辩论在 AI 生成的音频声谱上，添加能被视觉化的特定标记，这样既不会影响用户听感也便捷识别。

总的来说，在生成式 AI 的影响下，以后目击不一定为实，耳听也可能为虚。归根结底技巧在发展的同期，珍视技巧浪掷的对策也必须作念好。

别光念念着说 “ 技巧无罪 ” ，上个这样喊的东谈主依然蹲了好多年，刻下皆出来了。

不外对三只羊来说，固然始作俑者依然被捏，但这东谈主靠 AI 推在他们身上这把劲，测度影响还会不竭挺久，至于后续怎样发展，我们如故再等等看吧。

撰文：西西 & 纳西

编著：江江 & 面线

好意思编：萱萱

图片、而已开头：

安全内参：生成式伪造语音安全问题与处置决策

腾讯云：CNN旨趣详解

PassingAI：卷积神经网罗在音频处理中的哄骗有哪些？

云技巧和洞悉：AIGC音频处理

魔搭社区：so-vits-svc

Reecho睿声、新华网，微博、bilibili、部分图源网罗