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薩曼莎（Samantha）那略微沙啞的性感嗓音的故事。

受這部電影啟發，一家AI語音初創公司Sonantic創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。

AI學會調情了

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的聯合創始人和首席技術官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出的聲音。

Sonantic的首席執行官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。

靈感源頭「Her」

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，創建一個會調情的AI需不需要遵守什么道德規范？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，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所啟發的。這部電影的主角就愛上了一個女性AI助理，名叫Samantha。」

在第二個問題上，Sonantic表示，「公司清楚這項技術的發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。」

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。」

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。

但有一點區別是，AI技術可以大規模的擴散，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。

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？

參考資料：

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氪經授權發布。

關鍵詞：