根据消费者报告的研究显示,在提供 AI 语音克隆软件的六家公司中,有四家未能提供有效的防滥用安全措施。
这家非营利性出版机构评估了六家公司的 AI 语音克隆服务:Descript、ElevenLabs、Lovo、PlayHT、Resemble AI 和 Speechify。研究发现 ElevenLabs、Speechify、PlayHT 和 Lovo "仅要求研究人员勾选一个确认框,表明他们拥有克隆语音的合法权利或做出类似的自我声明。"
要注册账号,Speechify、Lovo、PlayHT 和 Descript 只要求用户提供姓名和电子邮件地址。
消费者报告的政策分析师 Grace Gedye 表示:"我认为有充分的理由表明,这些公司中的一些提供的服务可能违反了现有的消费者保护法",她援引了 FTC 法案第 5 条和各州法律。
作为 AI 语音克隆报告作者的 Gedye 承认,开源语音克隆软件使情况变得复杂,但她表示,即便如此,鼓励美国公司更好地保护消费者仍然是值得的。
Descript、ElevenLabs、Speechify、PlayHT 和 Lovo 尚未对置评请求作出回应。
这些公司中的几家在回应消费者报告 2024 年 11 月提出的问题时为其商业行为进行了辩护。
语音合成技术已经研究了几十年,但直到最近,由于机器学习的进步,语音克隆才变得逼真、易用且广泛可及。
这类软件有多种合法用途,如生成有声读物的旁白、帮助无法说话的人发声,以及客户支持服务 (只要客户能接受的话)。但它也容易被滥用。
Lyrebird 就是一个预警信号。2017 年,这家加拿大初创公司 (后被 Descript 收购) 发布了包含唐纳德·特朗普、巴拉克·奥巴马和希拉里·克林顿声音的音频片段,说出了他们实际上并未说过的话。
这是现今真实问题的概念验证 - 为欺骗目的复制他人声音,即音频深度伪造。
根据 2023 年美国联邦贸易委员会消费者哨兵网络报告,当年有超过 85 万起冒充诈骗案件,其中约五分之一造成了金钱损失,总计 27 亿美元。虽然其中使用 AI 语音克隆软件的比例未知但可能较小,但有关该技术滥用的报告已变得越来越普遍。
例如,去年马里兰州巴尔的摩警方逮捕了一名高中前体育主任,据称其使用语音克隆软件冒充校长,让校长的声音发表种族主义和反犹太主义言论。
该语音克隆报告还引用了数百名消费者的多个证词,这些消费者在回应 2024 年 2 月的征询时分享了他们遭遇冒充电话的经历。
Gedye 的报告中提出的担忧是,这些公司中的一些专门将其软件营销用于欺骗。"语音克隆公司 PlayHT 在其公司博客文章中将'恶作剧'列为其 AI 语音工具的使用场景," 报告指出。"另一家 AI 语音公司 Speechify 也建议将恶作剧电话作为其工具的使用场景。'没有比假装自己是别人更好的恶作剧方式了。'"
这种担忧在一些大型商业 AI 供应商中也很明显。例如,Microsoft 选择不公开发布其 VALL-E 2 项目,理由是可能被滥用于"欺骗语音识别或冒充特定说话者"。同样,OpenAI 也限制了其语音合成引擎 Voice Engine 的访问。
美国联邦贸易委员会去年最终确定了一项禁止 AI 冒充政府和企业的规则。随后提议将这一禁令扩大到禁止冒充个人,但似乎没有在这方面取得进一步进展。
鉴于当前美国政府试图消除消费者金融保护局等监管机构,Gedye 表示,州级监管可能比进一步的联邦干预更有可能实现。
Gedye 说:"我们看到各州对专门处理 AI 问题很感兴趣。我的大部分工作是针对州级 AI 政策,有很多雄心勃勃的立法者想要解决这个问题。我认为州检察长也有兴趣保护其选民免受新兴技术的伤害。虽然目前在联邦层面的消费者保护可能面临挑战,但我希望诈骗和冒充问题是特别不分党派的问题。"
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。