让米粉为之疯狂的声音克隆技术：深声科技如何用90秒录音克隆出你的声音？(2)

再次，在实际应用中，还要考虑海量用户发起声音克隆请求的高并发问题。为了节约成本，提升用户体验，就要解决模型切换、模型并发数，以及合成延迟等一系列挑战。
海量用户对声音克隆的频繁调用时，模型间的切换逻辑非常重要。
最后，因为采集到的用户数据会上传到服务器进行模型训练，考虑到用户隐私安全的保护，团队提供了私有化部署的方案，以确保用户数据不外泄。
是否迎来大规模商业化？
过去一段时间，百度、讯飞、搜狗等公司也曾推出声音克隆服务，但似乎并未赢得用户市场的关注。为什么深声科技此次声音克隆技术的上线，会在用户市场引起如此大的反响呢？
周俊明表示，声音克隆大规模商业化需要具备几个条件：
一是克隆的声音有较高的音色还原度，跟真人声音无差异；二是用户使用门槛不能太高，例如录音条件、发音标准等不能有太高要求；三是对计算资源的消耗，需要具备个人都能用得起的基础；四是具备创造出真正的价值，能够提升人们的生活品质。
从这个角度来讲，深声科技与小米的合作开始，就已经具备了将声音克隆技术大规模商业化的能力。
在谈到与普通语音合成的差异时，周俊明表示：
普通语音合成，解决的是如何将语音内容很好地传递出去、更容易地被接收的问题。而声音克隆，体现了用户的社会属性，能够让用户通过声音来服务于他人。这就意味着，每个人的声音的价值能够得到充分体现，在包括亲子互动、情感陪伴、泛娱乐在内的各种场景中具有巨大的应用价值。

安全问题如何解决？
将声音克隆引入智能语音助手，会不会引发更多语音诈骗案件的发生？
目前可能普通存在这样的担忧：合成技术的水平发展越高，合成语音与人声的差异就越小，技术鉴定的难度就越大。对此，周俊明也指出，
不必过度担心。问题在于人耳的敏感度不够高，才会对克隆声音没有发觉。但应用技术手段进行区分还是毫无压力的，克隆出来的声音在语谱图中跟真人的声音有明显区别，克隆声音中的很多特征信息已经丢失了。