Voicemod获1450万美元融资，生成式AI重塑音频创作未来
当Voicemod首席执行官兼联合创始人杰米·博什（Jamie Bosch）接起电话谈论新一轮融资时，我们提出的问题并非惯例——但在飞速逼近的生成式AI时代，这或许将成为常态：这是你真实的声音吗？
这家深耕音频效果近十年的初创公司，早期专注于为游戏玩家打造“声音表情”以丰富语音聊天体验。如今，AI的发展正为其注入新活力。Voicemod团队希望借此拓展工具的应用场景，吸引更广泛的用户群体。
从DSP到AI合成：音频领域的“Snapchat滤镜”
过去，数字信号处理（DSP）技术侧重于对真人声音施加效果；而AI的发展使Voicemod等公司能够提供创建完全合成声音的工具，甚至让用户实时“佩戴”这些声音说话。这相当于音频领域的Snapchat滤镜或TikTok病毒式传播的青少年滤镜。
AI语音还能实现“歌声到歌声”的转换。例如，你可以用弗雷迪·默丘里（Freddie Mercury）的声音演唱《波西米亚狂想曲》，让卡拉OK表现更上一层楼。若有足够的训练模型和麦克风，甚至能切换乐队成员的声音以获得完整的假歌剧效果。妈呀！
尽管法律与伦理问题可能让人对释放实时变声技术持谨慎态度（尤其是依赖声纹验证的银行），但AI已使这一切成为可能。
收购Voctro Labs：打造混合平台与文本转歌曲
去年，Voicemod收购了音频效果初创公司Voctro Labs。博什表示，双方正致力于技术融合，打造功能更强大的混合平台。该组合已扩展服务范围，如去年十二月推出的文本转歌曲功能，允许用户利用生成式AI将歌词转化为声乐作品。此外，“歌声到歌声”转换等功能也即将上线。
Voctro的技术曾参与开发音乐人霍莉·赫恩登（Holly Herndon）的声音克隆，并在TED演讲中与其本人进行实时二重唱。这也是Voicemod即将推出功能的预览。
博世表示：“我们将加强语音到语音AI实时技术，创造一种比单一技术更优秀的混合技术。Voctro的唱歌到唱歌技术与我们的DSP技术结合后，可用于自动调音，帮助艺术家改善声音和音调。”
除了面向消费者和创作者的工具外，Voicemod还通过SDK和API向第三方提供技术，涵盖游戏、应用和硬件等领域，让需求主动找到它。
生成式AI颠覆内容创作规则
生成式AI驱动的音频变革，正如DALL-E改变视觉领域、ChatGPT改变文字领域一样，正在打破单人创作内容的规则。Google展示的基于提示的AI歌曲作曲家便是例证。这种自由既令人兴奋又令人恐惧，关键在于如何利用。
Voicemod正通过打造工具箱，助创作者在现实扭曲的未来生存发展。无论是元宇宙中的声音身份，还是Zoom会议中的“音频化妆”，其目标都是赋能用户。
博世预测：“现在每个人都能成为创作者，无需技能即可创作音乐片段甚至声音。这可能演变为类似卡拉OK的娱乐形式，或成为专业人士为电影、游戏角色创作声音的工具。”
他强调对用户生成内容的信念：“我们将技术交到用户手中，让他们创建声音，并有望在未来达到专业水平。”虽然目前合成完整语音仍需工程师团队，但生成式AI将在“不久的将来”把这种能力赋予个人。
人为因素不可或缺：AI缺乏“人性”
尽管AI技术进步可能转移而非消灭声音设计师的需求，但博什认为配音演员仍将发挥关键作用——为AI注入情感。机器人语音本质上是没有灵魂的克隆，缺乏“自己的血液、挣扎与苦难”。
博世指出：“你始终需要人为因素。即使拥有最好的声音，真正关键的是印象。你需要人来处理韵律、节奏和语调。表达中的人为因素至关重要。”
至于AI是否能学会表达情感并进一步提升模仿能力，博什表示：“就今天而言，AI是人类使用的工具。但它会发展到什么地步，我们拭目以待。”
1450万美元扩张融资：布局下一代AI技术
成立于2014年的Voicemod已通过付费专业版实现多年盈利。其产品Voicemod for Desktop下载量超4000万次，月活跃用户达330万。近日，公司完成1450万美元扩张融资，由马德里Kfund旗下Leadwind领投，Minifund和Bitkraft Ventures参投。
Kfund合伙人Jamie Novoa表示：“Voicemod凭借一款每日被数百万人使用且具有显著收入增长的产品脱颖而出。我们对生成式AI在音频领域的变革感到兴奋，认为这只是一个开始。”
新资金将用于增强实时AI语音身份识别能力，提升对Z世代、游戏玩家及内容创作者的吸引力。博世透露，融资部分原因是为了支持Voctro Labs的收购整合，并抓住生成式AI领域的机遇。
博世称：“我们的竞争优势在于拥有市场和用户基础。重点将是构建下一代AI技术并将其交付给用户，同时打造内容创作工具。”
产品路线图与安全水印
首个新工具将于下个月随macOS版桌面产品上线，目标是发展为跨平台产品。移动端内容创作应用也有望在下一季度初推出。
此外，公司计划于今年第二季度推出水印技术，旨在帮助平台识别AI生成语音。博什解释：“这是一种给音频添加水印的算法。渠道方应负责审核，而我们提供系统以便判断音频是合成还是真实创建的。每一项新技术都可被用于善或恶，我们会部署工具控制误用。”
数据许可与知识产权：坚守价值观
在训练数据许可这一灰色地带，Voicemod选择谨慎行事。博什声称，公司使用付费配音演员构建数据集，若需原创内容会与版权方谈判许可条款。
“我们在开拓新领域，许多事尚无法律规范，因此努力坚守价值观做正确的事。”他补充道，“目前你的声音不存在‘法律上的附属权’，但这听起来像科幻小说，也许未来我们会‘拥有’与声音相关的某些东西。”
顺便一提，博什是用真实声音与我交谈的。该公司实时变声技术目前尚不支持移动端，但这一功能也将很快推出。请坐稳了：合成未来将是一场惊心动魄的狂野之旅。
随着 ChatGPT 的热度达到顶峰，Neeva 在国际市场推出其生成式 AI 搜索引擎