比AI作图更离谱，AI声音克隆是否为大众所接受？

随着ChatGPT和AI绘图的持续火热，人工智能已不可阻挡地被推上风口浪尖。

ChatGPT完成了从3.5到4.0大模型的飞跃，Stable Diffusion同样经历了从原始SD模型，到借助Lura、ControlNet等插件和其他模型的快速进阶，其所生成的图片已达到真假难辨的效果，让即便没有美术功底的用户，也能生成大师级的绘画作品，且效率惊人。

相较于ChatGPT，AI绘图的入口更多，且可以本地部署，甚至不需要联网。尤其是以Stable Diffusion为首的免费开源程序，随着越来越多自由创作者的加入，已经延伸出许多功能强大的插件和风格各异的模型，其所生成的图片相较于ChatGPT也更具娱乐性和传播性，可以预测其在不久的将来还会更加强大。

与之相似的还有AI声音克隆工具，同样可以本地部署，通过输入同一个人的不同声音进行训练，能够还原出所训练对象的音色，达到以假乱真的效果。

如果使用自己的音色，则可以借助AI生成自己所要表达的话语内容，还可以使用歌手的声音来训练，还原歌手的音色来翻唱其他歌曲。

人工智能所发展的速度超乎了许多人的想象，因此也不可避免的带来了许多问题。比如AI绘画作品的版权纠纷问题，AI绘画使用名人图片进行训练的侵权行为，借助AI绘画生成不良图片并传播的违法行为等等。

而比AI绘图要冷门的AI声音克隆，其所暴露的问题可能更加突出。

由于线上的口语传播具有很强的隐蔽性，AI声音克隆所生成的内容很可能被用来远程诈骗，即便有些人能够分辨真人和AI生成语音的区别，但对于一些文化程度低或年龄较高的中老年人来说，还是容易上当受骗。

而如果用来制造虚假消息，其很大程度上降低了造谣的成本，很容易利用互联网的病毒式传播散布谣言。

在未得到正视以及法律保障之前，有关AI的这些问题估计很难为大众所接受，更多需要用户自发来约束自己的行为。

另一方面，如果尽可能规避负面影响，AI能够帮助用户极大地提升工作效率，这一点是毋庸置疑的，且随着人工智能的快速发展，我们可以预见AI将会与我们的工作和生活息息相关。

运用AI工具进行创作还有一定门槛限制，比如Stable Diffusion绘图要调用模型的参数，需要强有力的GPU硬件来协助完成，显存和算力越高做图效率以及图形质量会更好，创作 512 x 512分辨率图片大约占用5G显存，创作1024 x 1024分辨率图片大约占用14G显存，创作1920 x 1080分辨率图片大约占用21G显卡显存。

使用AI声音克隆工具，如果想要获得比较好的音色模仿，需要使用GPU训练十几个小时以上的时间，且建议使用8G以上显存的显卡，显卡性能越强训练所使用的时间越少，二者对CPU和内存的硬件要求则不高。

影驰新一代Geforce RTX 40系列新品已经陆续上线，散热系统全面升级，极力释放新一代性能级显卡的澎湃动力，使用影驰 RTX 40系列显卡，为创作加速