近期，“三只羊集团创始人卢文庆录音事件”闹得沸沸扬扬，令人意想不到的是，受害者竟是AI。合肥警方通报称，广为流传的音频实为AI生成，犯罪嫌疑人已被依法采取刑事强制措施。这一通报不仅给出了官方态度，也让之前声称“AI声音克隆技术还做不到那么丝滑”的所谓“国内AI第一人”颜面扫地。
然而，戏剧性的一幕出现了，一家AI公司跳出来声称这条音频是通过他们研发的AI配音大模型制作的，此举被网友戏称为“自杀式营销”。为了验证这家公司的说法，我们在隐去相关公司和产品名称的基础上进行了实测，发现AI克隆声音的技术确实已经相当成熟，只需几秒的声音样本就能让名人“开口说话”。
实测过程中，我们通过操作几个简单步骤，仅花了一分钟就让姜文“念出”了《让子弹飞》中六子的台词，效果逼真到让人难以分辨。我们还上传了一段马斯克的采访录音，让AI马斯克“亲口”说出了中式英语，效果同样惊人。这显示出AI在音频生成方面的技术已经相当成熟。
实际上，AI声音克隆只是AI音频生成的一个细分赛道。早在生成式AI出现之前，AI声音克隆就已经存在，但当时的技术门槛较高。如今，在AIGC浪潮下，AI工具只需10秒甚至更少的声音样本就能精准复刻音色。这也让“三只羊录音门”出自AI之手变得技术上可行。
然而，AI声音克隆技术的快速发展也带来了法律层面的挑战。今年4月，北京互联网法院审理了全国首例“AI声音侵权案”，判决被告未经原告许可使用其声音构成侵权。这显示出在AI技术的快速迭代下，普通人、一线从业人员以及法律之间存在一定的信息差。
除了司法实践中的侵权案例外，内容平台上的AI声音侵权更为广泛和隐秘。层出不穷的AI工具降低了创作门槛，AIGC已成为热门的内容生产方式。用AI声音克隆技术进行二创在国内外内容平台上已十分常见。然而，这也带来了版权、伦理、数据隐私等多方面的问题亟待进一步讨论。
