AITerms 登入
生成式AI機器學習深度學習

聲音複製(Voice Cloning)是什麼?

聲音複製是指使用人工智慧技術,基於少量語音樣本,生成與目標人物聲音高度相似的合成語音。

完整定義

聲音複製是一種人工智慧技術,它允許基於少量的目標人物語音樣本,創建一個能夠模仿該人物聲音的合成語音模型。這個模型可以生成新的語音內容,聽起來就像是目標人物在說話,即使這些內容是目標人物從未實際說過的。

白話說明

你有沒有聽過一段聲音,明明不是本人說的,卻幾乎分不出來?

你可以把聲音複製想成,先抓住一個人的聲線、語氣和音色,再用AI生成很像那個人的新語音。

它重要,是因為它能讓配音、朗讀和跨語言內容更省工,但也很容易被拿去冒充他人。

記住這句

像某個人說話,才叫聲音複製。

比喻:聲音複製就像一位超級模仿秀高手 -- 只要聽過你的聲音幾秒鐘,它就能學會你的說話腔調和音色,然後用你的聲音說出任何它想說的話。

容易混淆

聲音複製 vs 語音合成技術

語音合成只要把文字念出來就行,不一定要像特定的人;聲音複製則是要模仿某個特定聲音。

聲音複製 vs 深度偽造

深度偽造是更大的概念,可以是影片、圖片或聲音;聲音複製只是其中的語音版本。

聲音複製 vs 變聲器

變聲器多半只是即時改變音高或音色,聲音複製是先學目標聲線,再生成更接近本人的合成語音。

最關鍵的區別:聲音複製在模仿特定的人,不只是把聲音弄得好聽。

實際案例

有授權的品牌代言

廣告公司想延續某位代言人的聲音風格,會先取得授權,再用少量樣本建立模型,讓新廣告保留原本辨識度。

詐騙冒充風險

詐騙者只要拿到公開影片片段,就可能拼出假聲音冒充家人或主管,這也是聲音複製最需要管控的風險。

深入了解

聲音複製通常會先抽出「說話者特徵」,再搭配文字內容生成新語音。

樣本品質越高,效果通常越好,但同時也越需要授權、驗證和防偽機制。

步驟
蒐集樣本
在做什麼
收集目標聲音片段
風險點
未經授權蒐集
步驟
抽取特徵
在做什麼
找出聲線與說話風格
風險點
樣本太少或太吵
步驟
生成語音
在做什麼
根據文字合成相似聲音
風險點
聽起來太像真人
步驟
後處理
在做什麼
調整節奏、停頓、情緒
風險點
用於欺騙或冒充

情境判斷

Q1(直覺題): 公司想替已退休的廣告代言人保留原本聲音風格,而且有完整授權,這算合理使用嗎?

算,因為它符合有授權的典型使用場景。

Q2(判斷題): 如果你只是想把一段文字念得清楚自然,但不需要像任何特定人物,還需要聲音複製嗎?

不一定,這時通常用一般語音合成就夠了。要看你是不是需要保留特定人的聲音身分。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本