声音“克隆”是风格转移

人工生成的语音越来越融入日常生活。语音克隆尤其支持身份保存很重要的应用，例如完成录音、用新语言配音或保存失语者的声音。然而，在我们的工作中，我们发现尽管有这个术语，声音克隆并不能忠实地“克隆”个人的声音。相反，我们发现广泛使用的语音克隆模型系统地将风格迁移应用于源语音。根据人类注释者的评价，与来源相比，克隆声音被认为更具权威性、温暖性、客户服务性和人性化。人类注释者还表示，与源声音相比，人们对克隆声音更加信任，并且更愿意向克隆声音披露敏感的个人信息。我们的工作还表明，语音克隆会导致说话者特征的同质化，这可以通过减少口音、语速和音频嵌入空间的方差来衡量。总之，我们的结果凸显了语音克隆技术的一系列新的局限性和风险及其对人类行为的潜在影响。