据媒体报道，微软公司近期成功研发了一款名为VALL-E2的革命性AI语音生成技术，该技术的问世标志着AI语音合成领域的一个重大突破。仅需短短三秒钟的音频样本，VALL-E2便能以前所未有的精确度与自然度，复现出说话者的独特声线，其表现几乎达到了以假乱真的人类水准。
科学家表示，这是AI语音首次达到人类水平，由于太过危险，无法向公众发布。
鉴于当前AI语音诈骗案件频发，该技术若落入不法分子之手，可能加剧此类犯罪的风险，诈骗者能够轻易克隆他人声音，进行高度逼真的电话诈骗，诱导受害者进行财务交易，造成巨大经济损失。
与此同时，VALL-E2技术的快速发展也对传统声音演员行业构成了挑战。声音演员们担心，随着AI语音合成技术的日益成熟，他们的声音可能被轻易复制并用于各种场合，而他们所应得的经济补偿却难以得到合理保障，这无疑对他们的职业生涯构成了潜在威胁。
尽管VALL-E2 AI语音生成器不会对公众开放，但也证明了AI在这方面的技术进步，以及未来在合适的时候可以应用，包括教育学习、娱乐、新闻、聊天机器人等。
