2013年，一部科幻電影「Her」講述了，宅男作家西奧多（Theodore）愛上了人工智能系統(tǒng)薩曼莎（Samantha）那略微沙啞的性感嗓音的故事。
受這部電影啟發(fā)，一家AI語音初創(chuàng)公司Sonantic創(chuàng)造出了一種合成聲音，可以表達微妙的情感，比如挑逗和調情。
Sonantic的目標關鍵在于將非語音聲音融入到音頻中，訓練AI模型重現那些微弱的呼吸聲、嘲笑和半掩的笑聲等等。
這些聲音和人類生物學特征相吻合，可以呈現出一場真實的演講。
Sonantic的聯(lián)合創(chuàng)始人和首席技術官John Flynn表示，我們以愛作為主題，就是為了是看看AI是否能夠模擬微妙的情緒。
在第一次聽的時候，大多數人都會認為這個聲音和真人的聲音幾乎沒什么區(qū)別。
當你聽到人工智能說，「I think I, I think I love you, I love you」時，就會有一種舒適感。
視頻中，她的呼吸聲，笑聲都讓人不得不相信這就是真人發(fā)出的聲音。
Sonantic的首席執(zhí)行官Zeena Qureshi將公司的軟件描述為「聲音的 Photoshop」。
這一軟件的界面允許用戶輸入他們想要合成的語音，指定傳遞的情緒，然后從一組人工智能聲音（其中大部分是從真人演員那里復制的）中選擇。
情緒的選擇包括憤怒、恐懼、悲傷、快樂和喜悅，以及剛剛更新的調情、害羞、取笑和吹噓。
「導演模式」（director mode）能夠進行更多的調整，包括聲音的音調，傳達的強度，還有那些微弱的非語音發(fā)聲，比如笑聲和呼吸聲。
有網友表示，「這個聲音聽起來也太真實了吧！」「我現在終于可以創(chuàng)造我自己的Her。」
首先，為了讓AI的聲音更加逼真，必須要有人工潤色這一步。
在很多人工智能的領域都是這樣，比如無人駕駛。無人駕駛已經基本上實現了自動駕駛，但是還有最后非常重要的5%的部分需要人工參與。
這就說明完全自主、完全合格的AI語音合成還有很長的一段路要走。
另外，心理學上有個詞叫「啟動效應」，它能做到欺騙你的感官。
這段演示版的視頻，展示了一個真人演員在鏡頭前局促不安的片段。這個片段會激發(fā)你的大腦，讓你覺得同時播放的聲音也是真人聲音。
這說明，最好的合成音頻，就是「半真半假」。有的輸出是真實的，有的是AI合成的。
除去AI音頻逼真到什么程度的問題，Sonantic放出的音頻還暴露了其它一些問題。
比方說，創(chuàng)建一個會調情的AI需不需要遵守什么道德規(guī)范？用AI的聲音欺騙聽者是否公平？
Sonantic又為什么選擇女性的聲音來制作調情音頻？
實際上這個問題說明，在當今男性主導的科技行業(yè)，這種選擇暗含了一種微弱的性別歧視。一般都會把這種AI助理設置成順從、甚至有些輕浮的秘書形象。
關于這個問題，該公司表示，「我們之所以選擇女性的聲音，只是因為我們這個點子是受Spike Johze在2013年電影Her所啟發(fā)的。這部電影的主角就愛上了一個女性AI助理，名叫Samantha?！?/p>
在第二個問題上，Sonantic表示，「公司清楚這項技術的發(fā)展可能會帶來哪些道德上的難處。所以公司在如何使用和哪里使用AI音頻的問題上非常小心?！?/p>
該公司的CEOQureshi表示，「正是因為這些原因，我們目前只把這項技術應用在娛樂方面。不能什么地方都用CGI，目前只是為了提供最好的娛樂體驗和模擬效果才用。我們也同意這項技術會遇到這樣或那樣的問題?！?/p>
她還補充說，該公司展示的所有視頻都說明了其中的聲音是合成的，不是真人的聲音。但這并不代表不會有人為了欺騙，而用這款軟件去生成一些音頻。
這項技術其實和一些別的娛樂產品有一些共同點。畢竟電影和電視劇的創(chuàng)作也是用一些不真實的東西來吊住觀眾的胃口。
但有一點區(qū)別是，AI技術可以大規(guī)模的擴散，人們往往會忽視對每個個體的具體影響。
打個比方，從全世界來看，人們早已開始和AI聊天機器人構建各種關系，甚至還有愛上AI聊天機器人的情況。如果能給這些聊天機器人加上用AI生成的音效，無疑會讓原有的功能更加強大。
這就會帶來一些問題：到底該怎么設計這類系統(tǒng)。
畢竟，AI的聲音都開始和用戶調情了，誰知道下一步它們還能做出什么呢？
https://www.theverge.com/2022/2/17/22936978/ai-voice-speech-synthesis-audio-deepfake-sonantic-flirtation
本文來自微信公眾號“新智元”（ID:AI_era），編輯：桃子 拉燕，原標題：《這個AI女友會用聲音調情了，害羞、挑逗樣樣都會，還從不生氣》，36氪經授權發(fā)布。
關鍵詞：
