我们想让 Alexa 模仿任何人的声音吗？是的，也不是。

多年来，合成声音和真实声音之间的界限已经变得模糊。我们经常在客户服务热线上听到电脑生成的代表说话，或者在网上大声朗读文章。英国公司 Sonantic 克隆了瓦尔·基尔默的声音，瓦尔·基尔默因喉癌手术而无法说话，公众第一次听到这个声音是在纪录片《瓦尔》中，但在今年夏天上映的《壮志凌云：独行侠》中，该片吸引了数千万人观看。

上周三，亚马逊宣布了一项举措，将这种技术的应用范围扩大到其 Alexa 智能助手的用户。该技术即将更新，用户可以使用任何人的声音（包括已故亲人的声音）来替换标准声音。该公司声称，这项技术目前尚未确定发布日期，只需一分钟的音频就可以生成一个人的声音克隆。无论人们觉得人工智能生成的老奶奶朗读《来世》中的睡前故事是令人毛骨悚然还是令人喜爱，这一举措都代表着在使合成声音更易于访问方面迈出了一步。

就在四年前，捕捉足够多的个人声音模式和语调是一个漫长的过程。例如，VocalID 是一家为因疾病而无法说话的客户提供合成声音的公司，需要数百句句子的数据才能准确地重现个人的声音。大约在同一时间，一款名为 Speech Morphing 的类似产品需要大约一小时的脚本输入。

不过，合成技术已经变得越来越容易和普遍。2018 年，中国公司百度展示了其 Deep Voice 技术，该技术只需要 60 秒的音频就可以合成一段声音，这成为头条新闻。如今，Veritone 平台允许名人出售合成的声音版本，用于代言交易。Descript 公司的 Overdub 功能让播客工程师可以修复声音错误或完全替换录音中的单词，而无需将主持人拉回录音室。

对于那些因受伤或生病而失去说话能力的人来说，重现声音是一种强大的工具。美国约有 200 万人需要所谓的自适应替代沟通 (AAC) 的帮助才能说话。言语障碍的原因很广泛——从影响运动控制的疾病（如脑瘫）到脑损伤或中风等事件——因此，让这项技术更容易获得，可能会让更多的人受益。一项估计认为，大约 500 万美国人和 9700 万人可以从 AAC 中受益。能够使用定制的个性化声音而不是现成的通用“机器人声音”，可能会带来变革。

然而，重要的是要认识到，语音合成可能不仅仅以纯粹的利他主义方式使用。在深度伪造中使用公众人物或名人声音的合成版本的可能性是显而易见的——毕竟，Kilmer 由 Sonantic 提供的声音是使用现有的镜头和音频制作的。与此同时，我们仍在寻找节目、品牌或导演应何时以及如何披露他们使用人工智能生成的声音的护栏。当导演摩根·内维尔 (Morgan Neville) 在纪录片《Roadrunner》中利用合成声音生成安东尼·波登 (Anthony Bourdain) 的三句对话时，人们对该片未能披露这些台词的制作方式表示强烈不满。

对于那些通过 Alexa 等平台每天与技术互动的人来说，更常见的风险是陷入恐怖谷的恐怖感。如果娱乐项目没有达到预期，哪怕只是稍微偏离了目标，人工声音也可能会打破平衡。“当然存在一些风险，比如如果声音和由此产生的人工智能互动与亲人对该人的记忆不匹配，”专注于 Metaverse 等新兴互联网技术的 ABI Research 分析师 Michael Inouye 告诉 CNN。