微軟公司近期成功研發了一款名為VALL-E2的革命性AI語音生成技術，該技術的問世標誌著AI語音合成領域的一個重大突破。僅需短短三秒鐘的音頻樣本，VALL-E2便能以前所未有的精確度與自然度，複現出說話者的獨特聲線，其表現幾乎達到了以假亂真的人類水準。

科學家表示，這是AI語音首次達到人類水準，由於太過危險，無法向公眾發佈。

鑒於當前AI語音詐騙案件頻發，該技術若落入不法分子之手，可能加劇此類犯罪的風險，詐騙者能夠輕易克隆他人聲音，進行高度逼真的電話詐騙，誘導受害者進行財務交易，造成巨大經濟損失。

與此同時，VALL-E2技術的快速發展也對傳統聲音演員行業構成了挑戰。聲音演員們擔心，隨著AI語音合成技術的日益成熟，他們的聲音可能被輕易複製並用於各種場合，而他們所應得的經濟補償卻難以得到合理保障，這無疑對他們的職業生涯構成了潛在威脅。

儘管VALL-E2 AI語音生成器不會對公眾開放，但也證明了AI在這方面的技術進步，以及未來在合適的時候可以應用，包括教育學習、娛樂、新聞、聊天機器人等。

來源：中國快科技