在微软Ignite 2023大会推出的众多产品中，一款名为Azure AI Speech文本转语音头像的工具尤为引人注目。该功能自今日起以公开预览版形式提供，允许用户上传照片并编写脚本，生成逼真的人物说话视频。
核心功能与应用场景
微软通过训练模型驱动动画，并结合预建或定制的文本转语音模型“朗读”脚本。用户仅需文本输入即可高效制作培训视频、产品介绍及客户证言等，还可用于构建对话代理、虚拟助手和聊天机器人。此外，头像支持多语言，并在聊天场景中可结合GPT-3.5回应超出脚本的问题。
伦理争议与安全护栏
鉴于类似技术曾被滥用于制造虚假内容，微软对自定义头像实施了严格的访问限制：目前仅限注册用户使用，且仅适用于特定用例。针对近期SAG-AFTRA罢工中关于AI数字形象的争议，微软发言人澄清称，定制虚拟形象必须获得表演者“明确的书面许可”，协议需涵盖持续时间、用途及内容限制，并强制要求添加AI生成披露信息。
个人声音（Personal Voice）
作为自定义神经语音服务的新功能，“Personal Voice”仅需一分钟语音样本即可快速复制用户声音，适用于个性化助手、多语言配音及有声书旁白等场景。
为规避法律风险，微软设置了多重防护：
- 禁止使用预录语音，要求用户提供录制形式的“明确同意”声明；
- 验证声明与训练数据匹配后方可合成新语音；
- 访问权限受限，仅限娱乐场景中的影视、音频配音，且输出不得从应用程序发布或共享。
关于水印问题，微软表示将自动在个人声音中添加水印以便识别合成语音及其来源。但需注意，第三方应用或平台若要检测该水印，必须获得微软批准并使用其专用检测服务。
更多 Microsoft Ignite 2023 报道：
- 微软宣布推出新款 AI 芯片
- 微软推出的三款全新 Copilot 产品
- Bing Chat 更名为 Copilot
- 微软推出深度伪造内容创建工具
- Microsoft Teams 新增 AI 驱动的家庭装饰功能
- Microsoft To Do、Planner 和 Project 在 Teams 中整合
本文最初于 11 月 15 日太平洋时间上午 8 点发布，并于下午 3:30 更新。