生成式AI的关注点正从文本、图像生成转向语音领域。谷歌宣布，下周起将在Vertex AI开发平台上线语音转文本及高清文本转语音模型Chirp 3。
Chirp 3多语言支持与应用场景
上周，谷歌悄然推出Chirp 3的8种新声音，支持31种语言。该模型适用于构建语音助手、制作有声读物及视频代理配音等场景。此消息于伦敦谷歌DeepMind办公室活动中公布。
行业竞争与安全管控
与此同时，Sesame（旗下“Maya”和“Miles”AI应用以逼真著称）已面向开发者开放模型，支持定制化应用开发。ElevenLabs亦筹集数亿美元扩展AI语音服务。
为防止滥用，Chirp 3将设置使用限制。谷歌云CEO Thomas Kurian表示，正协同安全团队处理相关问题。
Chirp 3将与Gemini LLM新版本、Imagen图像生成模型及Veo 2视频生成工具纳入同一产品系列。
技术展望与AGI发展节奏
尽管Chirp 3的逼真度尚待验证，但DeepMind CEO Demis Hassabis强调，AI发展是马拉松而非短跑。他指出，短期内AI并非解决一切问题的灵丹妙药，距离AGI实现仍有较长周期；但在未来十年中后期，AI将深刻改变世界。
Vertex AI平台演进与生态
Vertex AI于2021年推出，旨在助力云端机器学习服务构建。为追赶微软、亚马逊等竞品，谷歌持续强化该平台功能。除基于Gemini构建生成式AI外，开发者还可利用其进行数据分类、模型训练及生产环境部署。未来是否引入第三方模型值得关注。
“Chirp”语音服务研发历时多年，最早曾作为对标Amazon Alexa的项目代号。