如果你和大多数消费者一样,你今天早上或许在家通过智能音箱查问天气和新闻,或者在通勤的路上让车载语音助手为你获取最佳的驾驶路线。
![](http://www.ctiforum.com/uploadfile/2020/0506/20200506101943324.jpg)
随着语音助手变得越来越普遍,以及语音合成(TTS)技术越发先进,推动了像语音克隆、无性别语音助手和更多的创新应用。与此同时,我们在开发创新产品时必须考虑科技时代的伦理规范。
通过这篇文章,Cerence的TTS开发总监Johan Wouters解答了大家最为关心的一些问题:
人们会被TTS愚弄或误导吗?
如果集成了语音合成技术的应用程序没有规范用户如何适当使用合成音,TTS有机会被有心人滥用,存在安全隐患。其实,合成语音与人类的声音已变得难以区分,并且有可能合成任何人的声音;因此,应用程序必须清楚地标识语音是由机器合成的,以避免混淆用户。
针对语音合成技术应用的安全风险问题,Cerence用户界面(UI)专家进行了各种用户研究,并向客户提供UI设计方面的最佳实践。
TTS是否可以用于不适当的目的?
语音合成技术发展迭代迅速,现阶段语音合成技术已经可以模拟人类的声音、语气和情感,通过机器就可以生成以假乱真的声音。这意味着,不法分子可以将应用程序用于诈骗的行为。
科技改变了人与人的交流方式,在信任录音或通过免提电话与人互动之前,你需要额外小心。正如修图软件的普及让数字图像编辑变得容易,从而直接影响了照片和视频的真实判断。
语音模拟并不新鲜,对于有不同意图的人来说,应用也变得更容易。但从专业的角度,先进的语音技术是可以防止不当使用,这正是我们下一个重点讨论的话题。
Cerence是如何防止TTS技术不规范的使用?
我们与客户保持密切联系,其中包括所有世界领先的汽车制造商,并支持他们在充分考虑伦理规范的情况下,让用户使用TTS技术以获得更多的便利。
一般情况下,我们不会将我们的技术提供给个别开发者,因为发生不规范使用的可能性会较高。
作为领先语音技术的提供商,Cerence提供的声纹验证解决方案,不仅能够对每个人独特的声纹进行准确的验证,还可以检测到合成语音的使用情况。
![](http://www.ctiforum.com/uploadfile/2020/0506/20200506102107418.gif)
每个人都有独一无二的“声纹”,这一点和指纹一样。声纹代表了特定说话者的生物特征和行为特点。生物特征是指说话者声道的特性,如长短、形状与大小,让每个人发出不一样的声音。行为特点是指声音的韵律特点,如口音、语速以及词汇发声与重音。
此外,Cerence正在研究音频数字水印算法的应用,将人耳听不到的水印信息嵌入在TTS中,以确保我们的声纹验证方案总是能够准确识别说话人的身份。未来,一些政府部门可能会要求TTS系统始终嵌入音频数字水印。
在文本转换成语音和计算机生成语音的世界中将带来很多商机,但就像任何技术创新一样,我们必须把终端用户的伦理规范放在首位。Cerence将致力发展并继续在这一领域保持领先的地位。