AI 与机器学习2024arxiv.org
OpenVoice：通用的即时语音克隆
OpenVoice: Versatile Instant Voice Cloning
进阶 · 约 45 分钟读完前置知识：语音合成 TTS 基础、深度学习基础
导读
OpenVoice 是一篇关于即时语音克隆的开源论文，提出一种能快速克隆说话人音色、并支持跨语言和情感/语调灵活控制的语音克隆方法。作者开源了代码，安装后即可在消费级 GPU 上近乎实时地运行。
HN 关注点：其开源易用性带来的语音克隆滥用风险（诈骗、伪造），同时也有人实测其克隆效果是否真的自然。
HN 评论精选
实测：安装运行很方便、速度极快，但克隆出的声音仍明显听得出是合成的。
我赞赏作者把它做得这么容易上手！不过就通用语音克隆而言效果并不算好。我读了维基百科“书籍”条目的第一段，让它生成下一句，听上去明显是电脑生成的。我只用 pip 装好依赖，跑 demo_part1.ipynb，在我的 3070 Ti / 8GB 笔记本上几乎瞬间完成（没读论文，直接跑了代码）。
z991查看英文原文
I commend the authors on making this easy to try! However it doesn't work very well for me for general voice cloning. I read the first paragraph of the wikipedia page on books and had it generate the next sentence. It's obviously computer generated to my ear. Audio sample: https://storage.googleapis.com/dalle-party/sample.mp3 Cloned voice (converted to mp3): https://storage.googleapis.com/dalle-party/output_en_default.mp3 All I did was install the packages with pip and then run "demo_part1.ipynb" with my audio sample plugged in. Ran almost instantly on my laptop 3070 Ti / 8GB. (Also, I admit to not reading the paper, I just ran the code)
质疑该技术的实际正面价值。
有人能给我一个这项技术对社会有净收益的实际用例吗？
jamespattn查看英文原文
Can someone give me a practical use case where this adds a net benefit to society?
认为滥用场景远多于合法用途。
我最初且持续的想法是：语音克隆的不道德/犯罪用途远远超过任何合法用途。
RagnarD查看英文原文
My first and ongoing thought is that immoral/criminal uses of voice cloning vastly exceed any legitimate ones.
担忧语音克隆将催生空前的伪造和诈骗。
欢迎来到一个伪造与诈骗超出我们最疯狂想象的新时代！
huqedato查看英文原文
Welcome to the new era of fakes and scams beyond our wildest imagination !
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2024Hacker News 讨论帖399 分 · 192 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选