算力探園記

合肥，這座位于江淮之間的文化老城“廬州”，從上世紀90年代“呼應(yīng)浦東開發(fā)，建設(shè)新合肥”，到“長三角副中心”，再到如今的城市地位上升至國家戰(zhàn)略，合肥“發(fā)展坐標”的每一次調(diào)整，都伴隨這座城市“能級”的不斷增強。

依托中科大等知名高校的人才資源，在科大訊飛領(lǐng)銜的中國聲谷，扎堆高新區(qū) “量子企業(yè)一條街”，實現(xiàn)一億度運行的人造太陽“東方超環(huán)”等一批企業(yè)帶動下，合肥在為下一波產(chǎn)業(yè)革命中的競爭與合作積攢能量。以“技術(shù)驅(qū)動＋應(yīng)用引領(lǐng)”為方向，推動合肥在中國人工智能城市排名第五。現(xiàn)在的合肥，基本上每天誕生1戶國家高新技術(shù)企業(yè)；每天申請發(fā)明專利近90個、獲得授權(quán)13個以上；每天技術(shù)合同交易額近4000萬元。

繼武漢東湖高新之后的第二站，算力智庫前往安徽合肥的中國聲谷調(diào)研，首先探訪了其中人工智能的代表企業(yè)科大訊飛，以及人工智能數(shù)據(jù)服務(wù)公司數(shù)據(jù)堂（安徽）。了解到Ai語音的應(yīng)用程度早已超出我們的想象，最新的小數(shù)據(jù)快速定制技術(shù)只需采集用戶短短幾句話就能用機器學習復刻你的聲音。另一方面，行業(yè)內(nèi)也活躍著大量數(shù)據(jù)服務(wù)公司，通過最基礎(chǔ)的數(shù)據(jù)標注及整合服務(wù)，為人工智能產(chǎn)業(yè)所需的數(shù)據(jù)質(zhì)量保駕護航。

你能想象讓特朗普說流利的中文嗎？Ai可以，甚至讓特朗普說一口地道川普也不是問題。Ai模擬人聲的技術(shù)現(xiàn)階段已經(jīng)可以通過短短十句話，就能以假亂真地模擬你的聲音說出各種話，包括中英文乃至方言。

在算力智庫探訪科大訊飛（展廳）時，上來就被來自美國總統(tǒng)特朗普一口標準普通話來歡迎大家參觀科大訊飛給吸引住了。

其實，語音合成技術(shù)的應(yīng)用可能早于你的認知，應(yīng)用范圍也比你想象的更廣！

早被大規(guī)模商用的Ai語音合成已侵入你的日常生活

語音合成技術(shù)應(yīng)用其實比語音識別更早，思必馳CMO龍夢竹告訴算力智庫（ID：suanlicaijing），這項技術(shù)早已在我們身邊大規(guī)模應(yīng)用。

如Iphone的智能語音助手Siri，就是在真人語音的基礎(chǔ)上進行語音合成。如今語音合成的聲音愈發(fā)接近真人，才讓我們突然發(fā)現(xiàn)原來語音合成技術(shù)已經(jīng)可以以假亂真。

Siri美式語音的聲音提供者Susan Bennett

“其實所有涉及到機器語音反饋的背后都需要以真人語音為基礎(chǔ)，只是以前的合成效果比較明顯，我們可以明顯判斷出是電腦合成而已�！饼垑糁裾f。

很多人以為地圖軟件中的林志玲、岳云鵬導航是把明星請來一句一句錄下來的，其實背后是語音合成技術(shù)。2018年很火的紀錄片《創(chuàng)新中國》的配音也是合成已去世的配音家李易的聲音，其背后，就是語音合成技術(shù)實現(xiàn)的聲音復刻。

龍夢竹表示，目前語音合成在娛樂方面的應(yīng)用比較多，比如歌曲合成、明星語音復刻等。即便是去世的明星，也可以通過語音合成和Ai換臉的方式再現(xiàn)熒幕。2017年電影《星球大戰(zhàn)前傳·俠盜一號》中，已去世的女星凱麗·費雪再次以萊婭公主的形象出現(xiàn)在大銀幕上，感動了一眾影迷，這種模式以后還將更加常見，哪怕是再聽單田芳出新的評書，也不再是夢想。

《俠盜一號》中還原的萊婭公主

除了商用娛樂方面，云知聲高級研發(fā)經(jīng)理王鳴對算力智庫表示，語音合成未來在大眾日常生活中的應(yīng)用也可以很多可暢想的地方。

比如視覺障礙人士的閱讀幫助以及需求陪伴，不在父母身邊的孩子可以聽著父母聲音的故事入睡、工作忙碌的子女可以讓父母聽到自己的聲音、戀人可以隨時聽到彼此的聲音用來閱讀新聞、小說等讀物。

再比如語音的個性化定制，讓我們的智能音箱、手機助手、甚至游戲內(nèi)的語音都可以自行定制�！熬秃孟裎覀兺娴挠螒蛑械钠つw一樣，可以任意更換，甚至變成我們身邊朋友的聲音�！蓖貘Q說。

人工智能語音可以模擬你自己的聲音，也可以替你犯罪

Ai語音合成的技術(shù)發(fā)展早已達到無需大量的數(shù)據(jù)進行學習。思必馳CMO龍夢竹向算力智庫介紹，目前業(yè)內(nèi)主流的技術(shù)方向是小數(shù)據(jù)快速定制。

以前構(gòu)建合成系統(tǒng)需要至少上千句的音庫數(shù)據(jù)作為支撐，制作音庫費時費力。現(xiàn)在我們僅僅使用很少的數(shù)據(jù)就可以構(gòu)建出具有對應(yīng)音色的合成系統(tǒng)。

在探訪中，算力智庫也體驗了科大訊飛此前推出的聲音復刻相關(guān)應(yīng)用，用戶只需要輸入10句話，就可以復刻出自己的聲音，播報新聞、說段子、送祝福惟妙惟肖。

不過這項體驗僅限于讓機器朗讀既定的文本，每個用戶的音庫都要經(jīng)過實名認證，對此，科大訊飛有自己的考量。工作人員向算力智庫表示，目前推出的語音復刻應(yīng)用只是一種宣傳娛樂手段，但是一旦開放用戶權(quán)限，可能會被不法分子利用。

“當你接到一個電話，傳來你親人的聲音，向你借錢或者讓你轉(zhuǎn)賬，你信不信？”

記者拍攝的科大訊飛展廳

人工智能語音可以模擬你的聲音，也可以替你犯罪。尤其在大數(shù)據(jù)時代下，個人信息非常容易泄露，近兩年如Facebook、華住酒店集團等多起個人信息泄露事件讓我們愈發(fā)重視個人信息的保護，但是聲音信息的保密意識可能是我們此前從未想到過的。

前段時間剛結(jié)束的2019中國互聯(lián)網(wǎng)大會的防范治理電信網(wǎng)絡(luò)詐騙論壇上，中國傳媒大學政法學院法律系副主任鄭寧表示，技術(shù)一直以來都是雙刃劍，我們在享受技術(shù)帶來便利、新奇的同時，也會面臨技術(shù)被濫用帶來的風險。

鄭寧在論壇上總結(jié)了四種新技術(shù)結(jié)合詐騙手段的形式，其中就提到了語音合成詐騙。騙子通過騷擾電話等錄音來提取某人聲音，獲取素材后進行聲音合成，從而可以用偽造的聲音騙過對方。

另外三種詐騙方式分別為：微信語音轉(zhuǎn)發(fā)詐騙、AI換臉詐騙以及AI篩選詐騙人員系統(tǒng)。

通過少量數(shù)據(jù)，將合成痕跡明顯的機器語音，轉(zhuǎn)換成更加流暢自然的語音，也正是目前Ai語音合成的主攻方向，據(jù)龍夢竹介紹，現(xiàn)有技術(shù)不僅可以讓語音流暢自然，甚至可以通過定制加入情緒，真正達到自然模擬的狀態(tài)。

就像前段時間Ai換臉技術(shù)在網(wǎng)上火了之后引發(fā)的大規(guī)模討論一樣，一旦語音合成技術(shù)被大規(guī)模應(yīng)用，是否會產(chǎn)生恐慌呢？

人工智能技術(shù)來詐騙，誰來解決？

從技術(shù)應(yīng)用方角度來說，云知聲高級研發(fā)經(jīng)理王鳴認為，我們在積極推進這項技術(shù)發(fā)展的同時，也需要考慮結(jié)合更多的技術(shù)手段來降低在應(yīng)用層面帶來的一些技術(shù)倫理問題。

“云知聲對用戶上傳的錄音數(shù)據(jù)及用這些數(shù)據(jù)訓練的模型都加入了嚴格的使用權(quán)限管理。從技術(shù)角度來說，雖然當前語音合成算法在主觀聽感上已經(jīng)可以以假亂真，但是從聲學特征上依然是有一些差異的。另外，也可以通過加入一些人耳不可感知的聲學特征‘防偽’標志，保證不影響正常用戶體驗的情況下，使合成語音可以被特定工具檢測出來，防止被惡意使用�！蓖貘Q對算力智庫說道。

科大訊飛也表示，其企業(yè)級合作則需要經(jīng)過授權(quán)，特定在媒體行業(yè)、客服行業(yè)等使用，確保這項技術(shù)不會被誤用、濫用。除了這些問題，社會上主要擔心的問題在于用戶的信息泄露。

本周末蘋果公司被爆出Siri監(jiān)聽用戶語音的事件，雖然蘋果公司稱每天發(fā)送的錄音請求不到1％，而且通常只有幾秒鐘，這是為了更好的提高siri的精準性，同時為了給用戶提供更好的服務(wù)，仍然引起了大量的恐慌。

對此，安徽省大數(shù)據(jù)產(chǎn)業(yè)聯(lián)盟副秘書長、數(shù)據(jù)堂副總經(jīng)理張子斌從產(chǎn)業(yè)上下游的角度，解釋了目前人工智能和大數(shù)據(jù)產(chǎn)業(yè)所面臨的隱私保護問題。

張子斌表示，人工智能產(chǎn)業(yè)鏈的上游并非AI技術(shù)公司，而是人工智能數(shù)據(jù)服務(wù)公司。人工智能企業(yè)在訓練自己的AI模型時所需要的數(shù)據(jù)可以不需要他們?nèi)プ孕惺占�和標注，而是通過人工智能數(shù)據(jù)服務(wù)公司定制相關(guān)數(shù)據(jù)，這樣大大降低了人工智能企業(yè)成本及數(shù)據(jù)安全風險，這也是數(shù)據(jù)堂的主營業(yè)務(wù)。

“從產(chǎn)業(yè)鏈上下游的角度來說，我們提供的所有訓練數(shù)據(jù)都是和個人信息分離的，以語音數(shù)據(jù)為例，我們提供的都是獨立語音段落的集合，背后具體的提供者信息是完全不會出現(xiàn)的，因此，即便在上下游環(huán)節(jié)中出現(xiàn)了訓練數(shù)據(jù)的泄露情況，對于語音提供者來說，不會出現(xiàn)任何影響�！�

算力智庫記者探訪數(shù)據(jù)堂（左一左二為數(shù)據(jù)堂副總經(jīng)理張子斌、數(shù)據(jù)堂董事吳鑫坤）

近年來，政府也一直在聯(lián)合相關(guān)企業(yè)一起尋找新技術(shù)的管理之道。2019年6月17日，國家新一代人工智能治理專業(yè)委員會發(fā)布《新一代人工智能治理原則——發(fā)展負責任的人工智能》，提出了人工智能治理的框架和行動指南�！吨卫碓瓌t》突出了發(fā)展負責任的人工智能這一主題，強調(diào)了和諧友好、公平公正、包容共享、尊重隱私、安全可控、共擔責任、開放協(xié)作、敏捷治理等八條原則。

在中國傳媒大學鄭寧看來，正如AI技術(shù)可以被用于詐騙，也可以被用于反詐騙。利用技術(shù)的方式不同，帶來的影響也不同。因此，在面對一項技術(shù)時，不僅要關(guān)注技術(shù)本身，更要關(guān)注技術(shù)的用途，將技術(shù)用于提高生活質(zhì)量。

鄭寧表示，科技發(fā)展與人民生活是相輔相成的，科技發(fā)展使得人民生活質(zhì)量有了極大的提高，因此應(yīng)當大力促進科技發(fā)展。但也要認識到科技的兩面性，科技發(fā)展的同時也會產(chǎn)生一些負面影響，應(yīng)當清楚認識并接受這一點，從而更加理性地看待科技發(fā)展，也有助于采取積極措施應(yīng)對科技發(fā)展的負面影響。