作者：宋海燕 肖漪涟
随着人工智能科技的飞速发展，利用人工智能（Artificial Intelligence，简称AI）生成与某个特定自然人的声音极为相似的虚假语音变得越来越容易。这一技术被称为“声音克隆”（Voice Cloning），也称“深度伪造语音”（Deepfake Audio）。常见的声音克隆有两种形式：文本转语音（Text to Speech）及语音转换（Voice Conversion，也称Speech to Speech）。“文本转语音”指利用AI将用户输入的文本转化为与特定自然人声音高度相似的语音。“语音转换”指在说话内容不变的情况下，利用AI学习并模仿特定自然人A的声音（包括音色及韵律），从而将特定自然人B（原本的说话人）的声音替换为特定自然人A（转换后的说话人）的声音。