ai现在生成会议纪要已经比人强了

语音转文字应该难度比不上文字转语音吧？

想到以前百度地图录个语音包总觉得放出来声音怪怪的不像本人，不知道现在文字转语音的效果如何？

如果这能把本人说话语音语调甚至语气都给模仿到位了，是不是去世的人都能对话了，细思恐极

对于我这种普通话不好的，识别错误率还是挺高的

@Risawa 不用如果，早就做到了。
不光声音克隆，视频图像也能给你生成，对着镜头说“12345，54321....”，输入你要的文案文本和你自己的声音克隆，以假乱真。

@BusyFox 真能做到以假乱真的地步？联想到很多视频诈骗是不是就是用了这技术？

是啊，用了一两年了

@Risawa B站和抖音教英语的，很多这样的视频，用的名人讲话，说中文和英文对比，似真似假，分辨下还是可以看出是AI合成的

几乎能做到以假乱真的程度；

但是仔细听的话还是能区分出来，主要是在断句，长句转折的时候，AI生成的语音有很明显的“裂痕”，另外就是多音字错读也还是比较频繁；

社区能发语音就有意思了

@Risawa 文字转语音业内叫做TTS。我玩过大部分开源的TTS开源包，效果比较好的推荐GPT-SoVITS（github开源）。给出一份几分钟长的语音样本，可以完美克隆该语音的声线。输入任意文字，都可以用该声线的语音读出来。我试过克隆罗翔，小杨哥的声音，声线效果几乎可以以假乱真。只有一个硬伤，不能控制语音的情感以及情绪波动（悲伤，兴奋），以及不支持方言。

@irving2016 有意思，看来以后要想跟AI差异化竞争的话只能从情绪情感上入手了，想到扎克伯格总是被人嘲讽为机器人好好笑

@Risawa 今年开始看到，其实商用的TTS可以支持情感了，说明技术是能做到的。但是商用的TTS工具克隆声音，管控得严，大多只支持克隆自己本人的声音，也是怕人乱用，触到法律底线。

公共场合直接把聊天的内容说出来会不会很尴尬？

mark

沙雕动画的配音基本都是AI

那以后模仿领导的声音给你打电话，转账汇款。。。。。可怕

所以，科技都是双刃剑