传 YouTube 开发 AI 声音克隆工具:可模仿知名音乐人唱腔
据彭博社报道,YouTube 正在开发一款 AI 声音克隆工具,允许创作者在录音时模仿知名歌手的声线。平台正与各大唱片公司接洽获取训练版权,试图把 AI 翻唱纳入正规化。不过目前尚未有唱片公司正式签约,谈判仍在进行中。
据彭博社报道,YouTube 正在开发一款 AI 声音克隆工具,允许创作者在录音时模仿知名歌手的声线。平台正与各大唱片公司接洽获取训练版权,试图把 AI 翻唱纳入正规化。不过目前尚未有唱片公司正式签约,谈判仍在进行中。
昨天,纽约市长 Eric Adams 在发布会上透露,其办公室正用 AI 工具克隆自己的声音,向市民拨打普通话、粤语和西语等多语种自动电话。最受争议的是电话未注明是 AI 合成,被监督团体批评涉嫌误导与虚荣;市长则辩称这只是为了跨越语言障碍联系市民。
Descript 推出名为 Underlord 的 AI 视频与播客剪辑助手。它能读懂脚本和视频素材,通过简单指令自动搞定多镜头排版、加字幕、消音和去口癖等繁琐流程。也就是说,剪辑视频像改文档和给同事提需求一样省事。平台提供免费版,每月含 1 小时媒体时长。
ElevenLabs 宣布与视频生成平台 Pictory AI 达成合作。Pictory 接入 ElevenLabs 的 AI 语音技术,重点支持英语和德语,让创作者把博客和文本脚本转成视频时,能直接配上高度拟真的自然人声。
ElevenLabs 推出 AI Dubbing 工具。它能在几分钟内把语音转译成 20 多种语言,同时保留说话者原本的音色、情绪与语调。系统还支持多人说话人分离与背景杂音过滤,创作者点几下就能做跨语言内容分发。
Apple 正式推送 macOS Sonoma 免费更新。新系统不仅加入桌面小组件、游戏模式和视频会议特效,键盘自动纠错更全面换上端侧 Transformer 语言模型,大幅提升输入与听写准确率。换句话说,日常打字体验有了更底层的人工智能加速。目前支持设备已全面开放升级。
Spotify 联合 OpenAI 测试全新的 AI 语音翻译功能,能用播客创作者自己的声音将其节目翻译成其他语言。首批先将部分英语播客转译为西班牙语,后续计划加入法语和德语。最值得关注的是,它不是机械配音,而是克隆原声合成。不过目前该功能仅限少数头部主播测试。
OpenAI 宣布为 ChatGPT 推出语音和图像能力。用户可以直接拍照让它分析内容或答疑,还能用 5 种声音与它实时双向语音对话。该功能在未来两周内向 Plus 和 Enterprise 用户陆续开放,移动端和桌面端均有适配。
YouTube 宣布为 Creator Music 引入 AI 助手功能,明年年初起创作者只要输入视频描述,就能自动匹配合适曲目与授权价格。此外,AI 配音工具 Aloud 也将整合进 YouTube Studio,支持一键生成多语言配音,明年全面铺开。
Amazon 宣布为 Fire TV 引入生成式 AI 语音搜索。用户可以用更自然的口语让 Alexa 找片,例如「适合下雨天看的喜剧」或「有飙车戏的动作片」,不再局限于机械指令。该功能将于今年晚些时候在美国正式推送。
Amazon 宣布即将用新的生成式 AI 模型升级 Alexa。新模型专门针对语音优化,能理解「幽灵般的灯光」等模糊指令,还会根据人的停顿调整语气并展现情绪。美国用户近期可在现有 Echo 设备上免费预览体验。
Roblox 宣布收购芬兰语音技术初创公司 Speechly。Speechly 主打实时语音审核与转录技术,曾获 YC 投资。此举旨在帮 Roblox 应对平台拓展语音聊天及动捕通话时面临的安全挑战,在 3D 沉浸场景中实时过滤违规言论。
ElevenLabs 推出 Projects 制作工具。用户上传 ePub 电子书后,系统能自动识别书中角色并匹配不同声音,支持 90 多种语言和音效调节,几分钟内就能生成录音棚级别的有声书,大幅降低了长音频的制作门槛。
Apple 在 iPhone 15 发布会上避开生成式 AI 狂欢,聚焦润物细无声的端侧体验。新机搭载 A17 Pro 芯片,依靠机器学习实现通话语音隔离、自动人像测深与语音信箱转写,甚至能为渐冻症患者合成声音。说白了,Apple 不拼聊天机器人,只想用无感预测解决实际痛点。
Adobe 发布 Premiere Pro 与 After Effects 测试版,带来多项 AI 与 3D 更新。Premiere Pro 加入 Enhance Speech 一键消除背景杂音,并在文本剪辑中支持批量删除语气词,时间线流畅度提升 5 倍;After Effects 升级了 AI 抠像画笔。所有功能目前可在 Beta 版体验,计划秋季正式推出。
Google 在 Google Ads 中推出 AI 创意指引功能。系统会自动检查视频前 5 秒是否有 Logo、时长是否匹配目标,以及是否覆盖横屏、竖屏和方形画幅。广告主还能直接在后台一键调用 15 种语言的 AI 配音工具生成旁白。
炮制 AI Drake 爆款的匿名创作者 Ghostwriter 发布新歌,用 AI 仿制歌手声音,并把此前作品送选格莱美。录音学院确认词曲由人类创作因此符合参评资格,但受版权下架影响卡在发行门槛。AI 仿声与传统唱片业的博弈正被推上风口浪尖。
Activision 宣布与 Modulate 合作,在《使命召唤》系列中引入 AI 语音审核技术 ToxMod。该工具能实时识别仇恨言论、歧视与骚扰,不仅转录文字,还会结合玩家情绪与音量区分玩笑与恶意。AI 仅生成报告交由人工审核,当天已在北美开启测试。
Substack 推出基于 AI 的播客转写工具。创作者上传音频后,约一分钟即可一键生成文字稿,支持后台修改并与节目同步发布;选中段落还能直接生成带字幕与音频的声波短视频便于社媒宣发。目前该功能处于早期阶段,已全量上线。
DoorDash 宣布正在开发结合 AI 与人工座席的语音点餐系统,专门帮餐厅接听电话订单。其内部调研显示两成顾客习惯电话点单,但餐厅往往漏接一半来电。该系统还支持多语言和加配推荐,不过目前尚未正式上线,定价也未公布。