鑒偽“深度合成”內(nèi)容

　　快商通與美亞柏科、華僑大學聯(lián)合申報的“基于深度學習的可信多媒體鑒定關(guān)鍵技術(shù)研究及其產(chǎn)業(yè)化應用”課題入選廈門市重大科技項目，這一項目就是對“深度合成”內(nèi)容進行鑒別，判斷多媒體內(nèi)容是否屬于偽造。

　　研究反生成式AI

　　美亞柏科正對包括反生成式AI在內(nèi)的AI安全及監(jiān)管領(lǐng)域進行研究，并根據(jù)業(yè)務需要布局相關(guān)產(chǎn)品。

推出聲音克隆服務 引入智能檢測算法

復刻你的聲音 還能加“防偽碼”

　　廈門網(wǎng)訊（廈門日報記者 林露虹）

　　最近，“AI孫燕姿”成了新“頂流”，其通過AI訓練，可以用歌手孫燕姿的聲音演唱任何你想聽到的歌曲，有網(wǎng)友感慨“真假難辨”。

　　事實上，“AI孫燕姿”背后的聲音克隆技術(shù)并非新生事物，其應用已涉及娛樂、教育等多個領(lǐng)域。在我市，已有人工智能企業(yè)探索聲音克隆的應用場景，還有的研究鑒偽技術(shù)，防止技術(shù)濫用。

　　聲音克隆已用于多種場景

　　廈門大學信息學院副教授洪青陽說，聲音克隆可用在電影配音、有聲書、播客等領(lǐng)域，“人們可以根據(jù)自己喜好，選擇某個已獲授權(quán)的聲音來演繹。再比如，可以克隆已故親人的聲音，讓記憶永存。

　　不久前，廈企云知芯的母公司云知聲就上線了“聲音克隆”服務。據(jù)云知聲介紹，其“聲音克隆”可全面學習用戶的音色和風格，僅需用戶二十句左右的原始錄音，就可以合成貼近真人的數(shù)字聲音，且能做到“朗讀的語氣、語調(diào)、情感堪比真人”。

　　在具體的應用中，云知聲方面描繪了幾個場景:智能語音音箱中傳來兒女的聲音，提醒年邁的父母注意天氣變化；兒童點讀機里生硬的機械音被媽媽輕柔的呢喃所取代……

　　廈企快商通也將聲音克隆技術(shù)應用于其研發(fā)的數(shù)字人軟件中。“用戶只需提供一段3~5分鐘有真人出鏡、包含人聲的視頻，通過我們的軟件，就可以根據(jù)需求，自動生成一段全新的視頻，這個數(shù)字人的聲音跟真人幾乎一模一樣。”快商通聯(lián)合創(chuàng)始人李稀敏說。

　　用AI反制AI 防止濫用

　　AI虛擬歌手的風靡，引發(fā)人們對聲音安全問題的擔憂:用AI技術(shù)模擬聲音進行詐騙的違法行為屢見不鮮，我們?nèi)绾巫R別出原版和翻版的聲音？

　　技術(shù)產(chǎn)生的問題，當然也能通過技術(shù)來解決。去年底，快商通與美亞柏科、華僑大學聯(lián)合申報的“基于深度學習的可信多媒體鑒定關(guān)鍵技術(shù)研究及其產(chǎn)業(yè)化應用”課題入選廈門市重大科技項目，這一項目就是對“深度合成”內(nèi)容進行鑒別，判斷多媒體內(nèi)容是否屬于偽造。

　　與此同時，快商通在其自主研發(fā)的數(shù)字人、聲音復刻等AIGC（生成式AI）技術(shù)中，也引入獨特的智能檢測算法，用于AIGC內(nèi)容的追蹤溯源。李稀敏說:“我們在視頻或者音頻中隱藏了一個信道，這里頭傳輸?shù)男畔⒂歇毺氐臉俗R，相當于身份名片。退一步說，哪怕信息丟失了，我們也能通過算法檢測出聲音真?zhèn)巍！?/p>

　　“任何技術(shù)都具有兩面性，AIGC在賦能產(chǎn)業(yè)數(shù)字化進程方面大有作為，但也極其容易被犯罪分子濫用。因此，發(fā)展AIGC的同時，也需要持續(xù)深化可信技術(shù)。”李稀敏說。

　　【解密】

　　訓練一位AI歌手 僅需三步

　　任何曲風都能駕馭，且沒有違和感，“AI孫燕姿”是怎么煉成的？

　　廈門大學信息學院副教授洪青陽告訴記者，以“AI孫燕姿”為代表的AI虛擬歌手，由語音轉(zhuǎn)換（Voice Conversion）技術(shù)打造，屬于聲音克隆的一種。所謂語音轉(zhuǎn)換，簡單理解，就是把A的音色轉(zhuǎn)換成B的音色，與此同時，保留A說話或唱歌的內(nèi)容以及語氣、語調(diào)等細節(jié)。

　　洪青陽說，訓練AI歌手的過程大致分為三步，以“AI孫燕姿”翻唱周杰倫的《發(fā)如雪》為例:先用專門的音頻軟件，把《發(fā)如雪》的伴奏和周杰倫的人聲分離；再用處理好的孫燕姿的干聲（去噪的無音樂純?nèi)寺暎?shù)據(jù)，向機器“投喂”，訓練出一個具備孫燕姿音色的聲學模型；最后用這一模型對《發(fā)如雪》歌曲文件進行音色轉(zhuǎn)換，最終得到“AI孫燕姿”翻唱的《發(fā)如雪》。

　　“完成語音轉(zhuǎn)換的前提是，需具備所模仿對象B的目標音頻，所以它并不是無中生有的。”洪青陽說，除了語音轉(zhuǎn)換以外，聲音克隆還包括個性化語音合成技術(shù)（TTS），可以實現(xiàn)文本轉(zhuǎn)語音，其優(yōu)點是不需要被模仿對象B說過同樣的話，內(nèi)容定制更自由，比如，“寫一首全新的歌讓AI演唱，但這種情況下，因為沒有‘依葫蘆畫瓢’的目標音頻，AI唱得可能像孫燕姿的音色，但不像周杰倫的唱法。”

　　【記者手記】

　　眼見 不一定為實

　　耳聽 也可能為虛

　　今年以來，AI頻頻出圈，除了技術(shù)更新迭代快以外，還有一個重要原因是，AIGC（生成式AI）使創(chuàng)作門檻降低了。正如福建省人工智能協(xié)會會長陸陽所言，當AI從感知智能走向認知智能，極大提升了個人用戶的生產(chǎn)力，“人們可以不斷地生產(chǎn)圖像、視頻、音頻……未來，人人都可以是AI創(chuàng)作家。”

　　不過，AIGC仍處于發(fā)展的早期階段，其相關(guān)法律法規(guī)、標準體系等尚不健全。有法律人士提醒，站在被翻唱歌曲權(quán)利人的角度，AI歌手存在侵權(quán)問題。當我們利用AI工具生產(chǎn)內(nèi)容的同時，得緊繃知識產(chǎn)權(quán)這根弦。與此同時，我們也應提高防騙意識，畢竟，在AI狂飆的時代，眼見不一定為實，耳聽也可能為虛。

大模型廣泛應用 賦能近百個大數(shù)據(jù)項目

“最強大腦”直面算力難題

　　廈門網(wǎng)訊（廈門日報記者 李曉平）

　　昨日，蘋果發(fā)布首款混合現(xiàn)實（MR）頭戴式設(shè)備Apple Vision Pro（簡稱“蘋果頭顯”），繼ChatGPT之后，再次引發(fā)大家對人工智能的廣泛關(guān)注。今年以來，我市多家電子信息企業(yè)緊跟行業(yè)趨勢，紛紛涉足腦機接口、大模型等人工智能新領(lǐng)域。

　　根據(jù)發(fā)布會介紹，蘋果頭顯將聚焦游戲、工作、交流，這款設(shè)備將把世界帶入“空間計算”。除了硬件之外，算力也是其發(fā)揮作用的一個重要支撐。

　　值得一提的是，隨著AI技術(shù)不斷升級，其安全也愈發(fā)受到重視，美亞柏科正對包括反生成式AI在內(nèi)的AI安全及監(jiān)管領(lǐng)域進行研究，并根據(jù)業(yè)務需要布局相關(guān)產(chǎn)品。

　　算力支撐

　　依托超算平臺 推動大模型應用

　　在ChatGPT之后，基于各自算力，國內(nèi)行業(yè)“大咖”百度、騰訊、阿里、華為等先后發(fā)布大模型。前不久，云知聲山海大模型也在北京發(fā)布，展示了其在語言、邏輯、數(shù)學等領(lǐng)域的十大核心能力。這一大模型的背后，正是依托東南區(qū)域最強超算平臺——廈門Atlas智算中心提供的高效穩(wěn)定算力，近200P算力支撐千億規(guī)模的模型訓練，在兩個月內(nèi)完成。

　　云知聲東南總部總經(jīng)理陸陽向記者透露，為了滿足山海大模型的需求，他們在廈門Atlas智算平臺和DCML模型工廠基礎(chǔ)上，擴充算力，攻關(guān)工程優(yōu)化和數(shù)據(jù)優(yōu)選。這期間，廈門區(qū)域完成了算力擴容、算法驗證、并行加速、數(shù)據(jù)優(yōu)選等，實現(xiàn)GPT為核心的架構(gòu)升級。

　　另一家廈企美亞柏科的MYAI大模型目前在順利推進，日前，其相關(guān)負責人透露，大模型已在公共安全、政務、稅務、企業(yè)數(shù)字化轉(zhuǎn)型等多個領(lǐng)域的近百個大數(shù)據(jù)項目建設(shè)中，得到廣泛應用。美亞柏科建設(shè)的廈門市超級計算中心，截至目前有1000多臺服務器，算力達1966萬億次/秒，主要為大數(shù)據(jù)、人工智能技術(shù)基礎(chǔ)研發(fā)提供算力支撐。

　　軟硬發(fā)力

　　關(guān)注并參與腦機接口領(lǐng)域

　　作為人工智能的新領(lǐng)域，腦機接口也正在受到關(guān)注，其主要是實現(xiàn)腦與設(shè)備的信息交互。為促進我國腦機接口領(lǐng)域的交流合作，推動腦機接口技術(shù)產(chǎn)學研用全鏈條發(fā)展，由廈企盈趣科技參與承辦的“首屆腦機接口大會”將于下個月召開。

　　前不久，盈趣科技“牽手”天津大學等，在我市成立北洋腦機接口與智慧健康創(chuàng)新研究院，將圍繞新型神經(jīng)信號感知與檢測、組織工程與神經(jīng)仿生、新一代高通量腦機交互技術(shù)、人機共融基礎(chǔ)核心器件開發(fā)轉(zhuǎn)化平臺等方向開展科學研究，旨在構(gòu)建完整的自主知識產(chǎn)權(quán)集群，實現(xiàn)腦機交互技術(shù)鏈條全覆蓋。

　　盈趣科技為客戶定制化研發(fā)的合作模式，使得其核心能力從早期的精密塑膠件，逐漸延伸至核心電子組件、人機交互系統(tǒng)（電助力自行車人機交互系統(tǒng)、車載hud）等，也是他們與其他電子ODM企業(yè)的核心差異。

　　另一家廈企弘信電子則在電子元器件上發(fā)力，日前他們在互動平臺上也透露，他們關(guān)注并看好腦機接口帶來的發(fā)展機遇，成功獨家為小米鐵蛋機器人，提供全套電路板解決方案。同時，他們的產(chǎn)品正應用到多款智能眼鏡及AR、VR硬件產(chǎn)品中，今年以來，這個領(lǐng)域的訂單顯著增長。

　　值得一提的是，前不久，弘信電子與燧原科技簽訂合作協(xié)議，雙方正共同開發(fā)高算力、高能效比的人工智能訓練推理能力，打造適合人工智能應用與訓練基礎(chǔ)能力的國產(chǎn)化算力平臺。