OpenAI发布Voice Engine语音生成模型：提供自然、情感丰富的语音及多语种输出

OpenAI 最近公开发布了语音生成模型，名为 Voice Engine。这一模型只需接受文本输入和一个 15 秒长度的音频样本，就能生成十分接近原始说话者声音的自然语音。可以说，Voice Engine 的语音和人类的语音来讲，几乎没有什么区别。

Voice Engine 项目最初在 2022 年底开始开发，最初是作为一款测试性产品，已经提供给了包括 Heygen 在内的一小部分公司使用，通过他们的实际体验反馈，可以逐步优化这款产品的各项功能。这相当于在产品真正上市之前，得到了一次深度的产品调研和测试。

首要功能就是生成自然听起来的语音。通过单个15秒的音频样本，Voice Engine 能够创造出充满情感且真实的语音，极大地提升了合成语音的自然度和真实感。这尤其在需要人与人之间的交流中显示出其吸引力和有效性，因为模拟出的语音能够使人仿佛真正听到了面前的说话者。

其次，Voice Engine 也支持广泛的用途。无论是教育援助、内容翻译，还是提高偏远地区的服务质量，或者是提供给非语言人士的帮助，甚至帮助患者恢复声音，Voice Engine 的应用场景几乎涵盖了多个行业。这为全球各类行业带来了很大的便利。

接下来，Voice Engine 独特的一项功能是，当进行内容翻译时，能够保留原始发言者的本地口音。这意味着在语音翻译完成后，翻译的语音不仅能够流利地表达出内容，而且还能保留下原始语音的特色，让用户尽可能地接近于真实的语境。

最后，Voice Engine 还拥有一个令人印象深刻的特点，那就是多语种支持。它能够生成多种语言的语音输出，以适应全球各地的需求。对于需要将内容本地化到不同语言市场的企业和内容创作者来说，这一特点尤其重要。无论在何处，所有人都可以使用他们自己的语言来体验 Voice Engine 的智能语音服务。

总的来说，这一新的语音生成模型，无论从自然度、应用广泛性、口音保留，还是多语言支持等方面，都为用户提供了极好的体验。