AI語音合成是指使用人工智能技術(shù)將文字轉(zhuǎn)化為語音的過程。簡單來說，語音合成就是讓機(jī)器模仿人類說話，即輸入一段文字，最終輸出一段語音。在AI語音合成中，最新興起的技術(shù)是AI語音克隆，它指的是使用人工智能和機(jī)器學(xué)習(xí)算法來模仿特定人的語音，生成與目標(biāo)人聲音非常相似的合成語音，包括其音調(diào)、節(jié)奏、語調(diào)和情感特征。

AI語音合成技術(shù)的應(yīng)用前景廣泛,它可以創(chuàng)建個性化的虛擬助手，可以為影視劇、短視頻、游戲等領(lǐng)域的配音帶來全新的可能，還可以為音樂制作提供新的創(chuàng)作維度。但同時，AI語音合成技術(shù)可能構(gòu)成潛在的侵權(quán)風(fēng)險。例如：2023年爆火的頂流歌手“AI孫燕姿”，是利用AI軟件在音頻素材中提取歌手本人的聲音，大量產(chǎn)出翻唱視頻，并模仿歌手的音色、唱腔，達(dá)到以假亂真的程度，引發(fā)了侵權(quán)爭議；2024年4月23日，北京互聯(lián)網(wǎng)法院對全國首例AI生成聲音人格權(quán)侵權(quán)案進(jìn)行一審判決，明確認(rèn)定在具備可識別性的前提下，自然人聲音權(quán)益的保護(hù)范圍可及于AI生成聲音，AI生成聲音可識別性的認(rèn)定應(yīng)綜合考慮行為人使用情況，并以相關(guān)領(lǐng)域普通聽眾能否識別作為判斷標(biāo)準(zhǔn)。