Google将Chirp 3语音模型集成到顶点AI

生成式AI主要围绕基于文本的界面，用于创建文本、图像等内容。但现在，语音技术正成为焦点，且势头强劲。Google刚刚发布了一则重磅消息：从下周开始，他们将在Vertex AI平台上推出Chirp 3——其最新的语音转文本和高清文本转语音模型。

就在上周，Google悄无声息地宣布，Chirp 3将引入覆盖31种语言的八种新语音。这一技术非常适合构建语音助手、制作有声读物，甚至创建支持代理和视频配音。他们在伦敦Google DeepMind办公室的一场活动中分享了这一消息。

Google并不是唯一加入语音AI热潮的公司。上周，Sesame——以超现实AI语音“Maya”和“Miles”闻名的公司——宣布他们将允许开发者使用其技术构建自定义应用程序和服务。

Google试图通过对Chirp 3设置一些使用限制来防止滥用。Google Cloud首席执行官Thomas Kurian在今天的新闻活动中表示：“我们正与我们的安全团队一起处理这些问题。”

ElevenLabs是AI语音领域的另一大玩家，已筹集数百万资金以扩展其语音服务。

通过Chirp 3，Google将其与最新版本的LLM Gemini（仍在测试中）、图像生成模型Imagen以及昂贵的Veo 2视频生成工具归入同一家族。

Chirp 3的声音是否能像其他一些AI语音（Sesame的成果相当令人印象深刻）那样“真实”尚不确定。但正如DeepMind首席执行官Demis Hassabis所指出的，这是一场马拉松，而非短跑。

“在短期内……这种认为[AI]在未来几年是万能灵药的想法，我认为目前还不会实现。我认为我们距离AGI的实现还有好几年，”他说。“它将在未来十年内改变事物……属于中长期。这是一个有趣的时刻。”

Google于2021年推出Vertex AI，作为开发者在云端构建机器学习服务的平台。那时AI，尤其是生成式AI，还远未成为如今因OpenAI的GPT服务而引发的热门话题。

自那以后，Google一直在大力推动Vertex AI，努力跟上Microsoft和Amazon的步伐，这两家公司也在为开发者构建生成式AI工具。通过Vertex AI，开发者不仅可以基于Gemini构建，还可以分类数据、训练模型并准备投入生产。Google是否会开放其平台以支持其他创作者的模型，将是一个值得关注的问题。

Google多年来一直在研发“Chirp”语音技术，早在将其作为代号挑战Amazon的Alexa时就已经开始。