AI孫燕姿成今年爆火歌手，這一時代眼見不實，耳聽為虛

(圖片來源：攝圖網(wǎng)）

作者|黃山明 來源|電子發(fā)燒友網(wǎng)(ID：elecfans)

就在近期，華語樂壇的不少歌迷喜氣洋洋，認為目前的歌壇回到了20年前，歌迷們又享受到了許多動聽的歌聲。不過與以往不同的是，這些演唱者并非真人，而是一個個訓(xùn)練出來的AI。

這些AI足以以假亂真，通過技術(shù)將一首音樂以更換演唱者的方式來進行不同的演繹，不僅為歌壇帶來了不一樣的視聽體驗，同時也引發(fā)了行業(yè)對AI技術(shù)應(yīng)用的思考。在AI時代，我們的所見所聞，或許都是由AI創(chuàng)造的。

光怪陸離的AI時代

如今的網(wǎng)絡(luò)上有一個梗，要問今年哪個歌手最火，答案可能會出乎許多人意料，并不是某位歌手，而是一些由AI所制作出來的語音，如AI孫燕姿、AI周杰倫等。通過將原來歌手的聲音進行采集訓(xùn)練，從而替換另一首歌的原唱。

通過這種方式，實現(xiàn)了讓自己喜歡的歌手唱另一首自己喜歡但非歌手的歌，比如用孫燕姿的聲音演唱周杰倫的《晴天》。關(guān)鍵在于，不論是演唱語調(diào)、技巧乃至音色，幾乎都與孫燕姿相差無幾。

實現(xiàn)這一技術(shù)目前已經(jīng)有一套標準流程，先通過收集大量的音樂和歌詞，并對這些數(shù)據(jù)進行清洗和標注，以便訓(xùn)練算法和模型。再選擇合適的算法和模型，并進行優(yōu)化和調(diào)整，以提高虛擬人物的歌唱和表演能力。

通過語音合成技術(shù)將文字轉(zhuǎn)換為聲音，并對聲音進行處理和優(yōu)化，以達到更加自然和流暢的效果。最后將原來歌曲的聲音替換成語音合成的聲音，再進行調(diào)試，就能得到一首全新演唱的歌曲。

既然都已經(jīng)可以替換聲音演唱歌曲了，那么更進一步替換視頻畫面進行演繹也就不太難了。近期谷歌的I/O大會上，便公布了一項Universal Translator技術(shù)，該工具旨在將視頻從一種語言翻譯成另一種語言，同時保留整體基調(diào)和氛圍。

這意味著該技術(shù)不僅可以將音頻從一種語言翻譯成另一種語言，還可以模仿說話者的聲音、語氣和面部表情，人物說話視頻會根據(jù)目標語言的發(fā)音同步改變口型。

當然，為了避免這項技術(shù)被用來制作虛假視頻，谷歌將這項技術(shù)只授權(quán)給少部分的合作廠商使用，普通人是無法接觸到的。但市場上如今已經(jīng)有許多類似的AI出現(xiàn)，谷歌的此舉不過是略作限制，但無法阻止這股趨勢。

更有甚者，如一位美國網(wǎng)紅發(fā)布了AI版本的自己“Caryn AI”，這個應(yīng)用是一款聊天機器人，可以作為用戶的虛擬伴侶，目前正在內(nèi)部測試階段，每分鐘收費一美元。

據(jù)美國雜志《財富》披露，就在過去一周的時間內(nèi)，這款軟件已經(jīng)為其創(chuàng)造了7.16萬美元（約合人民幣50萬元）的收入，已經(jīng)吸引了超過1000名付費粉絲。

這種模式或許也將沖擊未來的娛樂行業(yè)，想象每一位追星的粉絲，只要付費，都將擁有與自己偶像一對一聊天的機會，其所創(chuàng)造的價值潛力將是巨大的。

但這種由AI所創(chuàng)造出來的音樂、視頻、伴侶或者偶像，真的可以提供人們所需要的情緒價值嗎？這是個值得思考的問題。

AI之后的隱憂

盡管這些AI應(yīng)用的落地前景非常誘人，比如采用AI替換歌曲中的聲音，就能夠?qū)崿F(xiàn)歌手只需要提供聲音的模板，便可以進行批量的音樂制作。甚至不用自己演唱，也能夠推行相關(guān)專輯。

技術(shù)上主要通過機器學(xué)習(xí)技術(shù)，訓(xùn)練機器模仿一個特定的歌手的音樂風格、聲音和唱腔，然后將這些技能應(yīng)用于其他歌曲的錄制中。這種技術(shù)在一定程度上提高了錄制歌曲的效率和質(zhì)量，并且可以節(jié)省制作成本。

但如果使用他人的聲音進行創(chuàng)作，就可能有侵權(quán)的風險。尤其在數(shù)據(jù)采集階段，以語音替換為例，首先需要收集大量的語音數(shù)據(jù)，并對這些數(shù)據(jù)進行標注和處理。標注可以包括音素、語調(diào)、語速等信息，以便訓(xùn)練模型能夠準確地識別和替換語音。

這一過程便可能涉及到對用戶隱私數(shù)據(jù)的采用，甚至對用戶的隱私和數(shù)據(jù)安全造成威脅，還有可能進一步造成財產(chǎn)安全。因為語音合成就可能被犯罪分子用于詐騙，通過合成親屬或者熟人的聲音來謀取資金。

如果用AI更改視頻畫面甚至進一步篡改其中的對話，則可能造成更多的風險。比如將會遇到即便是用視頻聊天，也無法確定對面的是不是真的想要聯(lián)系的那個人。這項技術(shù)目前甚至已經(jīng)應(yīng)用在許多的直播平臺中，比如一些虛擬主播、虛擬偶像等，如果一旦濫用，可能會造成更多的危害。

為了避免這一情況的發(fā)生，除了加強對AI技術(shù)的監(jiān)管，建立相應(yīng)的法律制度和規(guī)范，還可以通過一些技術(shù)手段來避免自身的數(shù)據(jù)被采集，從而造成侵權(quán)以及侵犯隱私的風險。比如采用區(qū)塊鏈技術(shù)來保護數(shù)據(jù)的安全性和隱私性，采用人工智能算法來檢測和識別惡意行為等手段。

以區(qū)塊鏈技術(shù)為例，其去中心化和不可變性特點能夠確保數(shù)據(jù)的安全和完整性，因此可以用于AI技術(shù)的安全驗證和認證?；趨^(qū)塊鏈技術(shù)，數(shù)據(jù)交互和交流的過程被保護，因此可以授權(quán)AI對數(shù)據(jù)的操作并確保AI數(shù)據(jù)訪問權(quán)限受到限制。

同時，區(qū)塊鏈技術(shù)還可以幫助人們更好地控制AI技術(shù)的使用，并提高AI的公正和透明性。例如，以基于區(qū)塊鏈技術(shù)的智能合約的方式來控制AI的使用，可以加強對AI系統(tǒng)的監(jiān)督，并確保其行為符合人類的期望和價值。

當然，區(qū)塊鏈技術(shù)還面臨著可擴展性、隱私保護等問題，同時在操作成本和技術(shù)難度方面也存在一定的限制，還無法完全避免AI濫用的問題。

我們還可以運用數(shù)字簽名技術(shù)檢測音頻和視頻是否被AI修改，數(shù)字簽名是指在文件中包含數(shù)字代碼的技術(shù)，在將文件傳輸或轉(zhuǎn)發(fā)給其他人時，可以驗證文件的完整性和真實性?；蛘呤褂脵C器學(xué)習(xí)算法來檢測這些變化，例如，可以使用深度神經(jīng)網(wǎng)絡(luò)來對音頻或視頻進行分析，以檢測其中的模式和結(jié)構(gòu)是否與人類創(chuàng)作者的作品相似。如果發(fā)現(xiàn)有明顯的差異，則可能表明該作品是由AI生成的。

但隨著未來AI技術(shù)的發(fā)展，這些差異化和容易被檢測出來的問題都有可能被AI克服，使得我們最終很難分辨哪些產(chǎn)品是由AI制作，哪些才是由人所原創(chuàng)的。

寫在最后

隨著生成式AI技術(shù)的大爆發(fā)，如ChatGPT、文心一言、訊飛星火等聊天機器人的出現(xiàn)，讓人們工作效率得以極大地提高，Stable Diffusion、Midjourney等AI的出現(xiàn)，讓圖片制作成本大幅降低，Universal Translator、Video Dubbing AI等，讓視頻也開始變得容易制作。

這些AI技術(shù)的出現(xiàn)顯然極大的解放了人們的生產(chǎn)力，讓人類發(fā)展走上快車道。當然有人會說以上這些AI都是通過收集大量數(shù)據(jù)之后，輸出縫合之后的產(chǎn)品，根本不能稱得上是原創(chuàng)。

但就像我們的學(xué)習(xí)過程一樣，最開始都是模仿，后來才開始擁有自己的獨立風格，但這些風格或多或少都會有之前學(xué)習(xí)過的影子，而這就是創(chuàng)造的過程，AI也是如此。

更值得關(guān)注的是，隨著AI技術(shù)的快速發(fā)展，其所帶來的風險也在與日俱增。如何更好的處理AI所引發(fā)的風險，將是我們未來所面對的主要問題。

編者按：本文轉(zhuǎn)載自微信公眾號：電子發(fā)燒友網(wǎng)(ID：elecfans)，作者：黃山明