雷科技AI组 | 编辑：JINX | 监制：心怡
你知道吗？多项研究发现，让普通人去分辨，大多人根本听不出AI合成语音和真人说话的区别。
一旦你搞不清屏幕上的内容到底是不是真的，就很容易被虚假信息带偏。
不过不少AI行业专家，总结出了几个很明显的破绽，AI视频里的人声经常会暴露它是机器做出来的。
一起来看看。
听有没有那种亢奋过头的说话腔调
普通人说话节奏是松弛的，有的字说得快，有的字会放慢。但AI说话经常全程赶进度，听着特别不自然。
专门在网上拆解打假 AI 视频的博主杰里米・卡拉斯科说，OpenAI的Sora生成的视频，里面人物说话总显得精力过剩。
噼里啪啦说了一大堆，实则没什么内容，纯粹在堆砌词句。
就连OpenAI自己也知道这个短板。
ChatGPT写出来的文字，特别爱乱用长破折号，这已经是大家熟知的小破绽。
10月，流媒体节目 TBPN 采访Sora负责人比尔・皮普尔斯，主持人问：AI视频对应的破绽是什么？
“现在Sora最大的bug，就是说话状态绷得很紧，总爱飞快地蹦出一大堆话。” 皮普尔斯说道。
图源：豆包AI生成
留意含糊、咬字怪异的声音
我们平时说话的流畅感，语言学上叫协同发音。
简单讲就是人发声的时候，气流经过口鼻，从一个字音滑到下一个字音，是自然过渡的。可很多AI做不到这点，发音糊成一团，丢掉了人声高低起伏的自然感。
“人类根本发不出 AI 那种怪怪的含糊音效，生理上就做不到。” 芝加哥大学语言学教授梅利莎・贝斯‑伯克解释，“我们人发声，两个音切换的时候，声音一定会互相交融过渡。”
她举了个曾经骗到很多人的AI短视频作为例子：地铁偶遇剧情，女生一见到男生，张口就叫他 “老公”。 可念“husband（丈夫）”这个词的时候，末尾音节听着格外别扭。
图源：豆包AI生成
舌尖转到嘴唇发音的那一段自然过渡完全消失了。只有机器，才能硬邦邦直接跳转发音，没有半点声音的融合。
这种生硬的拼接，是模型本身造成的。
语音转文字服务商Rev的AI副总裁米格尔・热泰解释：文本转语音模型只会逐个预测单词该怎么读，但处理词和词之间的衔接很拉胯。好比真人会顺口把did you说成didja。AI要么每个字咬得死死的，要么切换得特别生硬突兀。
人物情绪和剧情对不上号
2025 年有一项测试，让大家分辨语音是不是AI生成。
面对AI合成人声，大家的判断正确率只有55%。尤其是带着愤怒情绪的AI声音，最容易蒙混过关。
该研究的参与者、马克斯・普朗克实证美学研究所研究员卡米拉・布鲁德表示：这可能是大家固有印象在作祟，总以为AI声音就该冷冰冰、机械感十足。
图源：豆包AI生成
现实恰恰相反，AI的情绪常常用力过猛，和场景格格不入。
对比一个真实事件：肯塔基州一位卡车司机亲眼目睹飞机坠毁，现场被拍了下来。
视频里司机没有碎碎念解说，只是惊得张大嘴巴。
另外口型也能辅助判断。热泰说：“画面破绽和音频一样好用，如果人物嘴唇动作跟声音对不上，这就是很实锤的线索。”
当然，上面这些特征并不能一锤定音。
布鲁德表示，声音克隆工具ElevenLabs已经可以模仿真人沙哑尾音、自然停顿。所以没有呼吸声，也未必是AI。
但综合这些细节，基本就能判断视频大概率出自机器之手。
在AI飞速迭代的当下，掌握这些辨别方法很有必要。
只要你感觉哪里不对劲，那多半就有问题。多留个心眼，仔细听、仔细看，能帮你避开不少虚假内容。
本文由雷科技编译自huffpost
原文链接：
https://www.huffpost.com/entry/ai-accent-speech-video_l_69139000e4b0ff332f7dc5ac?origin=article-related-life
