機械学習で誰でも「憧れの声」になれる新技術、なりすまし危険も

これが私のもう1人の自分、ケイティだ。

しゃべり声のアクセントや感情、抑揚はすべて私のものだ。だが、声の高い若い女性のように聞こえる。

私の女性的な「ボイス・スキン」を作ったのは、マサチューセッツ州ケンブリッジにあるモデュレート・ドットAI（Modulate.ai）という企業だ。同社は機械学習を用いた強力な新種の手法によって、声の特徴をコピーして、モデリングし、操作することを可能にした。

このテクノロジーは、カイロ・レン（スター・ウォーズの登場人物）のような声で話せるようにする単純な音声フィルターを遥かに超えるものだ。この手法を使えば、あらゆる年齢、ジェンダー、声のトーンなどをすべて、リアルタイムで装うことが可能になる。有名人の声を模倣することもできる。その気になれば、私はケイティになりすまして電話で長々と話すこともできるのだ。

私はモデュレートの本社を訪れ、同社のテクノロジーや目標について聞き、人工知能（AI）を使って他人の声を模倣することの倫理的影響について話した。防音ブースに入った私は、同社のボイス・スキンをいくつか試してみた。

これが私の実際の声だ。

そしてこちらが別の人格の声だ。

2つの人格の間を、リアルタイムで行き来することもできる。

このボイスモデリング・テクノロジーは完璧ではない。作られた声には若干の震えがある。だが非常に質が高く、音声データを与えていくとさらに改善される。このことは、機械学習の発展がいかにデジタル・リアリティを急速に変化させ始めているかを示している。モデュレートは敵対的生成ネットワーク（GANs）を用いて、音声信号のオーディオ特性のキャプチャーとモデリン …