Sora带声音？OpenAI首次展示音频模型Voice Engine

3月30日凌晨，OpenAI在官网首次展示了全新自定义音频模型“Voice Engine”。

据悉，用户只需要提供15秒左右的参考声音，通过Voice Engine就能生成几乎和原音一模一样的全新音频，在清晰度、语音连贯、音色、自然度等方面比市面上多数产品都强很多。

OpenAI表示，其实他们在2022年底便开发了Voice Engine，并将其用于支持文本到语音 API 中的预设语音以及 ChatGPT 的语音和朗读功能。

但出于安全考虑一直没有全面公测，目前也只是小范围测试。因为相比文本、视频，音频的造假能力太强了几乎无法分辨出来。

此外，OpenAI首席技术官Mira Murati在前不久接受的采访时表示，未来Sora生成的视频会带声音的，很可能为其提供声音的就是Voice Engine。