【大纪元2025年12月04日讯】（大纪元记者陈俊村报导）现在网路上充斥着人工智能（AI）产出的图像或影片，几乎到了以假乱真的地步，让人防不胜防，甚至受骗。但有专家说，有一个可靠的方法可以辨识出AI影片，那就是听人的声音。
大纪元此前报导，有一段介绍马来西亚霹雳州（Perak）某景点的AI短片在网上走红。该国一对老夫妇看了之后深受吸引，特地跑了三百多公里的路程前去探访，但到了当地才知道，该短片介绍的景点是虚构的，就连片中的众多游客与沿路介绍和访问游客的女记者也是不存在的。
针对如何避免像这对老夫妇一样被AI影片欺骗，有多名专家分享了为何AI影片中的声音和音效经常能暴露AI生成的明显迹象。
AI合成的声音急促且不自然
据《赫芬顿邮报》报导，真人说话有自然的节奏，有些字会说得慢一些。但AI合成的声音听起来往往都很急促，非常不自然。
专门拆穿社交媒体上的AI影片的专家卡拉斯科（Jeremy Carrasco）表示，他注意到OpenAI旗下的AI影片应用程式Sora所发布的影片通常“过于活跃”。他说：“他们说了很多，但实际上什么都没说，只是在塞进文字。”
就连OpenAI也意识到了这个蛛丝马迹。针对Sora的AI影片中出现破折号的意思，Sora的负责人皮普尔斯（Bill Peeples）先前在接受直播节目TBPN访问时的回答很能说明问题。
他回答说：“我认为目前的‘破折号’是Sora的一种略显怪异的语音模式，它喜欢快速地说出很多词。”
留意含糊不清的声音
在语言学家看来，人们说话的节奏就是“协同发音”（Coarticulation）。这是指人们在说话时，气流通过鼻腔和口腔，声音从一个音节自然过渡到另一个音节的过程。
但很多AI产生的语音在这方面做得仍不够好，会发出含糊不清的声音，听起来像是把自然音调压平了。
美国芝加哥大学（University of Chicago）语言学教授贝斯-伯克（Melissa Baese-Berk）说：“没有人能发出像AI生成的声音那样含糊不清的语音，因为我们根本做不到。”
语音转文字服务公司Rev的AI副总杰特（Migüel Jetté）说，文字转语音的模型经过训练，可以预测一系列文字中最可能的发音，但它们通常难以流畅地衔接单字之间的音节。
他举例说，人们会很自然地把Did you说成Didja，而AI则倾向于过度地强调每个单字的发音，或是生硬地将它们衔接起来。
注意发音错误的单字
杰特指出，如果影片中出现明显发音错误的单字，这可能也是一个讯号，因为AI语音可能难以识别训练资料库中未出现过的不常见或独特的单字。
卡拉斯科说，他观察到，谷歌的文字转影片模型Veo“可能不会塞入太多单字，但它们会打乱单字顺序，或让人说出某些错误的内容。”
观察情绪反应与影片内容是否相符
德国马克斯‧普朗克实证美学研究所（Max Planck Institute for Empirical Aesthetics）的研究员布鲁德（Camila Bruder）说，AI语音的情绪往往过于强烈，与场景所需不符。
她提到，如果AI语音过于刻板地表达快乐，比如“哇！”，或者过于刻板地表达愤怒，就像一个蹩脚的演员，这些特征都可能表明影片内容是AI生成的。
卡拉斯科补充说，你也应该注意那些表达方式是否带有奇怪的情绪反应。例如，在一段爆红的AI影片中，有鱼从天而降，片中一个女人惊呼：“它们是鱼，它们真的是鱼！”但在现实生活中，人们不会这么说。
杰特说，你也可以直接观察影片中人们的嘴型来寻找线索。“如果说话者的嘴唇和声音不完全同步……这是一个强而有力的指标。”
尽管上述线索无法保证能辨识出AI产生的声音，但就整体而言，它们有力地表明，你正在观看的影片很可能是由机器生成的。这无疑是一个有益的开始。随着AI不断发展，人们需要尽可能多的协助来辨别真假。
杰特说：“如果感觉不对劲，那很可能就是不对劲。保持健康的怀疑态度，并拥有敏锐的观察力和听觉，对识别细节很有帮助。”◇
责任编辑：茉莉#
留言