為何AI生成語音難辨真偽引發關注?
只需幾秒音頻和幾次點擊,就能克隆出一個人的聲音,且連專家都難辨真偽。筆者有聲學分析背景,親自測試后發現,三年前還需數小時錄音和專用工具才能勉強模仿的聲音,如今用免費開源工具幾秒即可完成,識別真假成了真正的難題,技術門檻被徹底踏平。 加州大學伯克利分校博士生巴林頓研究人工智能語音克隆,她指出網上有平臺宣稱僅憑三秒人聲即可創建克隆,這項技術幾乎在一夜之間從高度專業走向消費者可及。在課堂演示中,她僅用九十秒就從一段 YouTube 視頻克隆出自己的聲音,充分說明過程的輕而易舉。 這種便利也吸引了詐騙者。路透社九月報道,有人冒充律師并用克隆聲音說服一家意大利大型私人銀行向境外電匯約9500萬歐元(約1.05億美元)。人類的耳朵總體上不擅區分真實與克隆聲音:在巴林頓團隊的研究中,六百多名聽眾辨別克隆聲音的成功率僅約六成;而當并排對比時,他們認為克隆與真人是同一人的比例高達八成。 過去,克隆聲音因過于平滑、缺少停頓和嗯啊等不流暢而露餡,......閱讀全文
為何AI生成語音難辨真偽引發關注?
只需幾秒音頻和幾次點擊,就能克隆出一個人的聲音,且連專家都難辨真偽。筆者有聲學分析背景,親自測試后發現,三年前還需數小時錄音和專用工具才能勉強模仿的聲音,如今用免費開源工具幾秒即可完成,識別真假成了真正的難題,技術門檻被徹底踏平。 加州大學伯克利分校博士生巴林頓研究人工智能語音克隆,她指出網上有
為何AI語音克隆引發關注?
聲音正在消失的困境當一個人逐漸失去說話能力,他失去的遠不止溝通工具。朱爾斯·羅德里格斯患有肌萎縮側索硬化癥(ALS,也稱運動神經元病),隨著病情發展,他的聲音越來越微弱。他形容那種感覺“就像自己在一點點消失”。對許多ALS患者而言,聲音消退幾乎是不可避免的,但他們并非無能為力——傳統做法是“聲音銀行
AI語音克隆取得重大進展
一個漸凍癥患者的故事Jules Rodriguez 曾是一名科學老師、播客主播和單口喜劇演員,總是有說不完的話。但肌萎縮側索硬化癥(ALS,俗稱漸凍癥)奪走了他說話的能力。如今他通過眼神在屏幕上選字來打字,由 AI 生成的語音克隆替他把話說出。他的妻子 MA 說,Jules 的聲音是她最愛的聲音之一
熟悉的聲音還能當真嗎?AI語音克隆技術引爭議
對于音樂行業來說,AI克隆聲音生成音樂的影響是巨大的。隨著技術進步,在不久的將來,人們可以利用某款軟件很容易地將自己的歌聲轉換為自己最喜歡的歌手的聲音。1970年4月,披頭士樂隊解散,數百萬歌迷們傷心不已。50多年后的今天,人工智能(AI)正在將“逝去的記憶”復活,重新創作和重新想象披頭士樂隊的演唱
ChatGPT將變身AI語音助手?挑戰Siri和谷歌語音助手
新品發布在即,奧特曼的最新表態或暗示OpenAI意在人工智能語音助手。當地時間5月11日,人工智能(AI)巨頭OpenAI CEO山姆·奧特曼(Sam Altman)在一檔播客節目中稱,OpenAI將繼續改進并提升ChatGPT的語音功能質量,并表示相信語音交互是通向未來交互方式的一個重要途徑。奧特
AI換臉技術應用邊界在哪里?專家:留“技術水印”
浙江杭州檢察機關曝光了一個“女神群”,群里發送的淫穢視頻有不少是犯罪嫌疑人使用“AI換臉”技術合成的,還可以根據顧客需要“私人定制”;河北高陽警方破獲了一起制作、販賣、傳播淫穢物品牟利案,犯罪嫌疑人通過社交群自學“AI換臉”技術,用明星形象制作淫穢視頻在網上以每10分鐘300元的價格售賣……近期
給“深度偽造”這匹“野馬”拴上韁繩
利用生成式人工智能(AI)制造的虛假圖片、音頻和視頻信息等“深度偽造”內容正在快速傳播,被用來騷擾他人、詐騙金錢,甚至干擾選舉。 英國《新科學家》網站近日報道,美國OpenAI公司的文本—視頻模型Sora橫空出世,讓人們能更快捷、更廉價地制作出視頻,事實與虛構的分界線也愈加模糊,進一步加劇了人
植入物結合AI將大腦信號轉為語音
荷蘭拉德堡德大學和烏得勒支大學科學家成功將人類的大腦信號轉化為人們能聽得見的語音。借助植入物和人工智能解碼來自大腦的信號,他們能夠預測用戶想說的話,準確率為92%至100%。研究人員希望這項技術能夠幫助癱瘓且無法溝通的患者再次“發聲”。相關論文發表于最新一期《神經工程雜志》。 拉德堡德大學科研
模擬AI芯片將語音識別能效提升14倍
原文地址:http://news.sciencenet.cn/htmlnews/2023/8/507362.shtm美國IBM研究實驗室的科學家報告了一種能效為傳統數字計算機芯片14倍的人工智能(AI)模擬芯片。這一芯片在語音識別上的效率超過了通用處理器,該技術或能打破當前AI開發中因對算力性能和效
模擬AI芯片將語音識別能效提升14倍
美國IBM研究實驗室的科學家報告了一種能效為傳統數字計算機芯片14倍的人工智能(AI)模擬芯片。這一芯片在語音識別上的效率超過了通用處理器,該技術或能打破當前AI開發中因對算力性能和效率的需求而遇到的瓶頸。相關研究近日發表于《自然》。 隨著AI技術的崛起,對能源和資源的需求也隨之上升。在語音識
打包臺取證方案
在貴重物品的打包發貨環節,只有監控錄像,無法很便捷地調取快遞單號對應的錄像,導致當客戶投訴時,需要花大量的時間和人力進行調查取證。于是我們結合這個需求,開發了一套打包取證軟件,可以幫助客戶只需要拿單號搜索,很快就能調取出該單號對應的打包過程監控,從而減少客戶處理投訴的時間和人力成本。本系統可廣泛用于
新一代實時語音編碼行業標準公示
6月26日,記者從騰訊獲悉,其主導的新一代實時語音編碼行業標準AVS3P10即將正式發布。該標準由騰訊提議啟動、推進和維護,以騰訊首款神經網絡語音編解碼器Penguins為原型,經過AVS音頻組多家成員單位共同參與。據介紹,作為首個系統性引入人工智能并實現真正意義上的低碼率下高質量語音編碼標準,AV
清華得意音通聲紋處理聯合實驗室研制出錄音檢測技術
如果用以保證安全的措施具有安全漏洞,那么這個安全措施本身就是令人不安的! 為了解決身份認證問題,生物特征識別技術被認為是解決方案的未來之星。但是,近期有關指紋、人臉和虹膜等分別被假冒攻擊的報道讓人有些擔憂。2016年,西班牙巴塞羅那舉辦了MWC2016世界移動通信大會,在會上《華爾街日報》記者
玖富—中科院自動化所聯合實驗室為何專注于智能語音?
?? 人工智能在近兩年十分火爆,包括金融科技在內的諸多領域都已經開始了相關研發、應用。在2018年初,玖富集團也聯合中國科學院自動化研究所成立了智能語音實驗室,開啟了AI in All”的智能金融年。聯合實驗室有哪些規劃?為何選擇智能語音作為研發重點?前不久,聯合實驗室相關負責人對此做出了回答。
模仿原聲:迄今最復雜人工智能語音模型創建
原文地址:http://news.sciencenet.cn/htmlnews/2023/6/503513.shtm Meta稱研制出迄今最復雜人工智能語音模型。圖片來源:英國《每日郵報》網站科技日報北京6月25日電?(記者劉霞)據英國《每日郵報》23日報道,臉書母公司元宇宙平臺公司(Met
智能音箱產品語音子系統探秘(二)
除了上述麥克風陣列方案之外,還可以使用DSP方案來做語音處理,這里介紹一款專用的語音DSP方案,Realtek ALC5680.上面可以看到此DSP芯片的參數以及硬件封裝。使用DSP 芯片可以將前級的音頻輸出做前期處理,從而大大減少了ARM處理器的負荷,在低功耗解決方案中是常用的配置。在軟件處理上面
OpenAI發布新品GPT4o,功能秒殺Siri
·GPT-4o可以對音頻、視覺和文本進行實時推理,在232毫秒內響應音頻輸入,與人類在對話中的響應時間相似。·GPT-4o的文本和圖像功能開始在ChatGPT中免費推出,音頻模式存在各種新風險而未公開,未來音頻輸出將僅限于選定的預設聲音,并要遵守安全政策。GPT-4o生成圖像:機器人正在輸入日志條目
音頻光端機特性
數字非壓縮傳輸 ●視頻采用8位數字編碼 ●彩色圖像信號 ●高質量實時傳輸 ●10 Hz -24 kHz 聲音頻寬 ●完全兼容NTSC, PAL, SECAM制式圖像 ●可傳輸RS232, RS485, RS422標準數據 ●可同時傳輸以太網信號 ●指示燈能幫助對系統故障做出快速診
視頻生成器Sora讓人喜憂交加
原文地址:http://news.sciencenet.cn/htmlnews/2024/2/517690.shtm ???一位時尚女性漫步于充滿城市標牌的東京街道上,道路兩邊霓虹燈閃爍,透出陣陣暖意。Sora可根據這一文本內容生成逼真視頻(圖為視頻截圖)。圖片來源:Sora/OpenAI繼
騰訊建人工智能實驗室-任命頂級專家俞棟為AI-Lab副主任
近日,騰訊宣布任命語音識別技術頂級專家俞棟為AI Lab(人工智能實驗室)副主任,并成立美國西雅圖AI實驗室。 據新浪科技5月2日消息,俞棟將負責西雅圖AI實驗室的運營及管理,推動騰訊在語音識別及自然語言理解等AI領域的基礎研究。 而在今年3月,騰訊曾宣布任命人工智能領域頂尖科學家張潼擔任騰
人工智能標準化研究基地在廈門揭牌
23日,“聲紋識別技術標準化研究基地”“自然語言處理技術應用標準化研究基地”揭牌儀式暨福建省人工智能發展大會在廈門舉行。會上,廈門市人工智能行業協會會長單位快商通簽署了多項行業團體標準,眾多專家表示,這將有利于人工智能產業發展。 大會由中國標準化研究院與廈門快商通科技股份有限公司聯合主辦,廈門
辨識AI視頻越來越難?辦法不是沒有
原文地址:http://news.sciencenet.cn/htmlnews/2024/3/518255.shtm“Sora之后,眼見不一定為實了。”上面這句感慨,恐怕許多人都感同身受。只需輸入一段文字描述,Sora就能生成一段長達一分鐘、畫面逼真、穩定連貫的高清視頻。由于畫面過于真實,人們僅憑肉
環保人員取證時遭圍攻
瀟湘晨報湘潭訊4月6日上午9點多,湘江支流漣水河段,幾名湘潭市環保局監測站工作人員正在進行每月例行的水質取樣監測。采樣過程中,環境監測人員發現附近湘達砂石場的污水直排漣水河,當即對該排污點進行拍照。不料,就在取證時,一臺鏟車開來,攔住采樣車,環保人員遭到數人圍攻,車輛被砸壞。目前,公安機關已介入
音頻光端機串口控制
1、從高清矩陣的發送端接入高清信號源,光端機的發送端和接受端之間通過光纖lc接線相連,接在opt接口上。輸出端兩個輸出接口可同時輸出到兩個顯示器顯示,RTG是光端機傳輸232控制信息的接線口,雙向232的數據傳輸通過三針的鳳凰端子和232串口相連,‘R’端代表光端機的數據接受端,‘t’端代表光端
音頻光端機的選擇
用戶在選擇音頻光端機時一般從它的先關參數和實用性考慮,相關參數在光端機出廠說明書都有具體說明,再次我們從實用性方面講述下音頻光端機的選擇。 1、外觀大方,結構合理 音頻光端機技術含量高,其外觀應小巧精致,美觀大方,整體結構必須盡量的符合工程安裝要求。一般室內型數字視頻光端機除采用19 寸機柜
大模型又整活,照片也能唱歌說話
文 | 《中國科學報》記者 趙廣立不得了,沉睡兩千多年的秦陵兵馬俑居然“唱”起秦腔來了!在類似的幾段視頻中,兵馬俑不僅能開口唱歌,就連面部表情也惟妙惟肖;仔細看,還能看到他的喉結在動、胸腔共鳴……不僅有兵馬俑,還有蒙娜麗莎、奧黛麗·赫本、孔子、魯迅……只要一張照片和一段音頻,他們就能開口說話、唱歌、
科大訊飛:AI虛擬主播“上新”
“大家好,我是你們的主播茜茜。”“我是茜茜的妹妹,西西,別忘記點‘關注’哦。”5月15日,主播茜茜牽手“孿生妹妹”亮相科大訊飛抖音直播間,這對“姐妹花”樣貌相同,可卻不是雙胞胎——科大訊飛新推出的AI虛擬直播系統,不僅復刻刻了真人主播茜茜的外在,還賦予了其驅動的能力,從而能夠實現虛擬主播實時直播。隨
GPT4o為OpenAI開啟超級入口
·基于ChatGPT或GPT-4o,未來人類獲得信息的方式很可能會改變,GPT-4o或為OpenAI開啟了一個超級入口,這可能會對谷歌帶來影響。接下來,OpenAI需要判斷的是在產品上的極致體驗是否是剛需。“GPT-4o在交互模式上是一個巨大進步。”5月14日,螞蟻集團副總裁、NextEvo負責人徐
聲紋認證技術助力我國網絡身份認證建設
? 社交媒體注冊、網上購物、在線銀行交易……在人們的日常生活中,需要網絡實名認證的越來越多。繼去年廣州等地推出“微信身份證”后,我國首個基于聲紋識別技術的互聯網身份認證云項目近日落戶貴州,將為更多百姓提供網絡身份認證服務。 這一項目由貴州貴安新區、清華大學信息技術研究院、北京得意音通技術有限責任
大模型為深度偽造帶來土壤,鑒偽技術需要跨學科合作
·鑒偽技術開發需要跨學科合作,當前的鑒偽技術以軟件算法為主,未來將走向軟硬一體。大模型興起為深度偽造帶來土壤,業界呼吁跨學科聯合攻堅鑒偽技術。在大模型時代,人工智能合成語音與真實語音之間的界限變得越發模糊,提升與之匹配的識別技術迫在眉睫。7月23日,主題為語音深度鑒偽識別的第九屆信也科技杯全球人工智