人工智能語音初創(chuàng)公司Sonantic表示，他們在音頻深度模仿方面取得了一項小小的突破，創(chuàng)造出了一種可以表達挑逗和調情等微妙情感的合成聲音。該公司表示，其進步的關鍵是將非語言聲音融入到音頻中：訓練人工智能模型重現(xiàn)那些微小的呼吸氣息，諸如微小的嘲笑和半隱藏的笑，使得人工智能的聲音打上真實的生物印記。

Sonantic的研究目標是看看人工智能是否可以模擬微妙的情緒，諸如憤怒、恐懼、高興、悲傷和富于感情等。

Sonantic的首席執(zhí)行官齊娜·庫雷希(Zeena Qureshi)將該公司的軟件描述為“聲音的Photoshop”。它的界面可以讓用戶輸入他們想要合成的語音，指定講話的語氣，然后從一組人工智能聲音中選擇，這些聲音大部分都是模仿真人演員的。這絕不是一種獨一無二的產(chǎn)品(其競爭對手，如Descript也銷售類似產(chǎn)品)，但Sonantic表示，其定制化程度比競爭對手更深入。

情感選擇包括憤怒、恐懼、悲傷、幸福和喜悅。如今最新選項還包括調情、忸怩、戲弄和自夸。“導演模式”允許進行更多的調整：聲音的音調可以調整，聲音的強度可以上下調節(jié)，還有那些非語言的聲音，比如笑聲和呼吸。

這是Sonantic的主要特色：指導、控制、編輯和塑造表演的能力。目前客戶大多是游戲工作室和娛樂工作室，但公司正在向其他行業(yè)拓展。早些時候，剛剛與奔馳達成了合作(定制其車內數(shù)字助手)。

然而，就像此類技術的常見情況一樣，Sonantic成就的真正基準是其機器學習模型的音頻，而不是那些經(jīng)過潤色的、為公關準備好的演示版本。

人工優(yōu)化是為了最大限度地發(fā)揮AI聲音的作用。許多人工智能的努力都是如此，比如自動駕駛汽車，它們已經(jīng)成功實現(xiàn)了非常基本的駕駛自動化，但仍在努力實現(xiàn)最后也是最重要的那5%的人類能力。這意味著要實現(xiàn)完全自動化、完全可信的人工智能語音合成還有很長的路要走。

不過除了技術本身的問題，Sonantic的研究還引發(fā)了其他問題——比如，部署調情AI的道德標準是什么?以這種方式操縱聽眾公平嗎?為什么Sonantic要把調情的形象塑造成女性呢?(在男性占主導地位的科技行業(yè)，這種選擇算不算一種微妙的性別歧視。)

Sonantic表示，他們選擇女性聲音只是受到了斯派克·瓊斯(Spike Jonze) 2013年的電影《她》(Her)的啟發(fā)。在這部電影中，主人公愛上了一名名為薩曼莎(Samantha)的女性人工智能助理。另一方面，Sonantic表示已經(jīng)認識到伴隨新技術發(fā)展而來的道德困境，并且在如何以及在何處使用人工智能聲音方面非常謹慎。

首席執(zhí)行官庫雷希表示:“這是我們堅持從事娛樂業(yè)務的最大原因之一。它被用于最好的娛樂產(chǎn)品和模擬。“

將人工智能語音合成與其他娛樂產(chǎn)品進行比較是合理的。畢竟，我們可以分辨電影和電視劇的真假(因為它們都是假的)。

但還有一點需要說明的是，人工智能將允許大規(guī)模部署此類操縱，而較少關注其在個別案例中的影響。例如，在世界各地(包括國內)，人們已經(jīng)開始與人工智能聊天機器人建立關系，甚至墜入愛河。給這些機器人添加人工智能生成的聲音肯定會讓它們變得更強大，這引發(fā)了人們對這些和其他系統(tǒng)應該如何設計的疑問。如果人工智能的聲音可以令人信服地調情，它們會說服你做什么?