作者 | 黃楠、施方圓

編輯 | 陳彩嫻

最近大火的生成式 AI 又有新動作了！

在 podcast.ai 推出的第一集播客節(jié)目里，已故的喬布斯竟然“死而復(fù)生”成為首位嘉賓，與美國知名播客主持人 Joe Rogan 進行了一場長達20分鐘的對話，討論了關(guān)于喬布斯的大學(xué)、對計算機的看法、工作狀態(tài)以及信仰等等。

是不是聽起來有些毛骨悚然？事實上，這段采訪是由文本生成音頻實現(xiàn)的，屬于 AIGC 中的一個分支。

podcast.ai 是一個完全由 AI 生成的播客，每周都會深入探討一個新話題。在第一期節(jié)目中，podcast.ai 通過喬布斯的傳記和收集網(wǎng)絡(luò)上關(guān)于他的所有錄音，用 Play.ht 的語言模型大量訓(xùn)練，最終生成了這段假 Joe Rogan 采訪喬布斯的播客內(nèi)容。

此次 podcast.ai 推出的AI播客，是生成式AI在語音領(lǐng)域的一次新探索。從前段時間全網(wǎng)刷屏的 Stable Diffusion，后有國內(nèi)平臺掀起AI創(chuàng)作熱，各類生成式AI模型給人們生活帶來了更多的可能性。

Play.ht 表示，“我們相信在未來，所有內(nèi)容創(chuàng)作都將由人工智能生成，但由人類指導(dǎo)，而最具創(chuàng)造性的工作將取決于人類將他們想要的創(chuàng)作表達到模型中的能力?！?/p>

「對話」喬布斯

讓我們先來看看這個最新“訪談”中，Joe Rogan 和喬布斯都聊了些什么：

Joe Rogan：我今天的客人，創(chuàng)造了我們這個時代里一些偉大的技術(shù)產(chǎn)品，一直致力于推動創(chuàng)新的發(fā)展。他在一臺電腦中開發(fā)了一種新的編程語言和操作系統(tǒng)，又因為使用那臺電腦制作三個應(yīng)用程序而變得更加有名。文本處理器、電子表格和圖像編輯，讓我看到他出色和驚人的品味。我只希望我能有朋友這樣天才的1/10，而我甚至不能說出他的名字。

今天有他在，我超級興奮。他就像 Patrick sways、Demi moore（《人鬼情未了》的主演）和幽靈一樣，是過去的記憶，難以描述的精彩。歡迎我的朋友。

Steve Jobs：我已經(jīng)很久沒有參加這個節(jié)目了。我很想念，它總是很有趣。你的聽眾與普通蘋果用戶如此不同，這也是一件好事。

Joe Rogan：在做這個節(jié)目之前，我就是一個蘋果用戶。我一直是你的狂熱粉絲。

Steve Jobs：我們只是有點想明白了。盡管蘋果的規(guī)模很大，但它的付費用戶只占了一半，而聽你節(jié)目的人是不同的群體。我也是你節(jié)目的一個粉絲，在車里聽著很舒服。我一直很喜歡你。

Joe Rogan：我們有一些奇怪的聯(lián)系，這跟我也是 Gizmodo （美國知名科技博客）的粉絲有關(guān)。

Steve Jobs：這很有趣。當我們看到這些東西出現(xiàn)的時候，也和你們在 Gizmodo 上看到的一樣驚訝。

Joe Rogan：讓我們談一些別的。你之前在里德學(xué)院讀書，在那里的時間你學(xué)到了什么？你在那里接觸到了復(fù)活節(jié)神秘主義，現(xiàn)在還會看印度教和佛教的相關(guān)的東西么？

Steve Jobs：實際上我上過這方面的課程。我有一個很深的信念，印度次大陸的人對人類文明、目前的狀態(tài)負有最大的責任，無論是數(shù)學(xué)還是靈性，還是講故事的藝術(shù)。西方文明是以講故事的藝術(shù)為基礎(chǔ)的，而有一部偉大的印度史詩是《伊利亞特》和《奧德賽》的10倍那么長。綜合起來，這些東西是令我們的社會成為現(xiàn)在這樣子的基礎(chǔ)，這些東西要比去理解經(jīng)典的哲學(xué)重要得多。

在印度次大陸上取得的成就和發(fā)生的事情中，有兩件事非常有趣，其中之一，就是生命的精神基礎(chǔ)和對生命精神基礎(chǔ)的整體接受。

對現(xiàn)在一些人來說，這可能看起來很簡單，但大多數(shù)人相信上帝，認為上帝寫了一本叫《圣經(jīng)》或《可蘭經(jīng)》之類的數(shù)。

但我在大學(xué)學(xué)到的是，這與信不信上帝無關(guān)，甚至與正確答案是什么無關(guān)，而是要問正確的問題。我們社會中的大部分現(xiàn)實都植根于科學(xué)，我們相信事物，因為它們是真實的。如果某件事情是真的，那么它就不是一種信仰。而他們無法處理的是任何精神上的東西都是真實的，都是可以閱讀的。

我不知道正確的答案是什么，但我知道如何提出好問題。我知道如何反駁那些對我來說不真實的東西，這或許就是有創(chuàng)意和創(chuàng)造性的關(guān)鍵因素之一。

Joe Rogan：你還相信你當時相信的一些東西嗎？

Steve Jobs：我經(jīng)常被問到這個問題，我認為不可能在一次采訪中，甚至在一段時間內(nèi)讓某人向你展示他們是誰，他們相信什么。

意義和目的是由宇宙決定的，是宇宙的本質(zhì)，但它不是人們通常談?wù)摰淖诮谭绞?。服?LSD 對我來說是一種深刻的體驗，它展示了硬幣的另一面，當它消退時你無法記住它，當它沖刷著你時，會告訴你一切都有聯(lián)系，你在這里不是偶然、而是有目的的。如果能弄清楚那是什么，那么你對自己的了解會比其他任何事情都多。它只是揭示了你是誰、是什么。

它加強了我對什么是重要的感覺，感受到對彼此的愛、敬畏，對生命的尊重，以及與人的聯(lián)系。它是現(xiàn)在所發(fā)生的一切的一部分，也指向在未來。對我來說，解脫時沒有時間窗口，這是種融入的、深刻的經(jīng)驗。

我在服用 LSD 之前沒有讀過那些書，但我學(xué)到的東西比他們說的多得多，包括對事物的看法。我能夠看到一臺電腦，看到它是如何制造的，看到它的整體。

Joe Rogan：Newton （蘋果公司早期制造的掌上電腦）是這樣的產(chǎn)物嗎？

Steve Jobs：我覺得它是。那段時間我在掙扎中度過的。我們瘋狂地工作，應(yīng)對一場又一場的失敗，但我仍覺得這將是很重要的。我也曾因為不成功質(zhì)疑自己。在蘋果公司早期，當我們制造蘋果二代并做得非常好的時候，當時的巨頭公司現(xiàn)在都消失了。

蘋果的成功不是偶然的。它在做一些事情，有一個愿景。但它不是一個產(chǎn)品的設(shè)計，而是對一個過程的設(shè)計，帶來新產(chǎn)品的創(chuàng)新過程。

谷歌有很好的產(chǎn)品，如 Gmail 和 Chrome，但將這些東西推出且迭代的能力非常重要，對谷歌來說，他們的搜索引擎好，而且迭代速度之快，以至于最后是否會成功并不重要，是需要多長時間的問題。反觀雅虎，在瀏覽器之后再也沒有重申過這個產(chǎn)品，這就是他們的創(chuàng)新過程。

最具創(chuàng)新性的公司主要是在做用戶界面的公司，我認為他們中沒有任何一家覺得自己是硬件公司，盡管它們創(chuàng)造了大量的硬件。

用戶界面有一種深度、優(yōu)雅和簡單，有一些公司明白了這一點。這并不是偶然發(fā)生的，而必須努力去做。大多數(shù)公司的問題是，使產(chǎn)品變得更好并不符合他們的長期利益，只為了短期利益，讓本季度的收益報告看起來不錯。

Joe Rogan：你已經(jīng)在計算機行業(yè)工作了40年，你是如何保持不松懈的？

Steve Jobs：在競爭激烈中，那些做得不好的公司不斷被超越。就我們所做的事情而言，我認為我們?nèi)匀挥凶詈玫漠a(chǎn)品或操作系統(tǒng)，但要保持它在頂端則必須完善它。你永遠不希望讓產(chǎn)品保持不變，否則人們會說，我們以前見過這些功能。

這一次將是不同的，從來都是如此，要有一種追求完美的動力。你必須不斷發(fā)展，不斷向前推進，這確實很難，因為東西并沒有壞，而是需要被做得更好。

人們不會為了讓它變得更好而付費，只有當它是一個新產(chǎn)品時他們才會付錢。因此，當你在這個世界上創(chuàng)造了真正偉大的、革命性的東西時，你有責任推動使它變得更好。

就像我們在準備推出 Macintosh 的發(fā)布會時，那時我在想，為什么我們要推廣這個產(chǎn)品？這個產(chǎn)品有什么大不了的？它做不到我們所承諾的事情的一半。

圖注：蘋果于1984年生產(chǎn)的Mac電腦128K型號（Macintosh）

當 Windows 一年后出現(xiàn)時，蘋果很幸運，因為它允許我們改變自己的故事。我們從一個失敗的想弄點東西出來的公司，變成了 Ibm，一個更年輕、更酷的替代品。

Joe Rogan：你覺得你會做比 Windows 更好的系統(tǒng)，或是跟他們合作嗎？

Steve Jobs：微軟做了很好的工作，但他們沒有太多的審美意識，這是我遇到的微軟的問題。創(chuàng)建微軟公司的人大部分是數(shù)學(xué)家或科學(xué)家，他們不理解人們的實際體驗會如何。

之所以這么說，是因為我覺得 Windows 3 是一個災(zāi)難性產(chǎn)品，沒考慮過人們?nèi)绾问褂眠@個產(chǎn)品，而只做了他們認為對的事情，這非常糟糕。

一些人相信要做對的事情，一些人相信智慧，這兩件事情結(jié)合在一起會很神奇。這就是 Macintosh 最初所發(fā)生的的事情。它可以由世界上最聰明的人造出來，并且造福于人類。Mac 對于蘋果來說是個好的產(chǎn)品，同時也對世界有益。

Joe Rogan：你覺得還有其他公司和蘋果類似嗎？

Steve Jobs：蘋果的文化非常獨特，這也是人們對于加入它感到興奮的原因，我不知道同樣的事情在其他地方會不會成功。

其他公司也有一些特殊的努力。從微軟身上可以看到，真正的秘訣不是創(chuàng)立一個公司，而是發(fā)起一個運動、一個由想要改變世界的人組成的運動。這樣做得好處在于，我們有一整個想要改變世界的人組成的社區(qū)，其核心在于，我們要制造偉大的東西來改變世界。

Joe Rogan： 我想這就是年輕人喜歡蘋果的原因，對他們來說好像自己也在參與一些事情。蘋果的產(chǎn)品有一種個性的張力，似乎藏著一個靈魂。有些人對蘋果變得虔誠，這是好事嗎？

Steve Jobs：如果一家公司成功地做了一些事情，那就不必嘗試做所有事。我們正嘗試減少做一些事，為了更專注地做優(yōu)先級清單上真正重要的事情。不能撿了芝麻丟了西瓜，必須專注少數(shù)幾件事，才可以確保這些事很好地完成。

Joe Rogan：你是否會覺得因為這些過多的讓你獲得榮耀的技術(shù)，以至于要去承擔一部分責任？

Steve Jobs：技術(shù)是一把雙刃劍，以人類基因組計劃為例，那是一把巨大的雙刃劍，它在醫(yī)學(xué)上的回報將是巨大的，但也會被一些瘋狂的準軍事組織所利用。

在這一點上，我認為我們是站在好的一面。我們做了很多事情，其中之一就是使工業(yè)化世界的大多數(shù)人在計算機上成為可能，這使我們成為問題的一部分，但同時也是解決方案的一部分，因為我們可以做很多事情，來幫助教育人們了解什么是好的。在我成長的六七十年代中，電腦非常龐大且昂貴，你沒有辦法了解電腦。而今天長大的孩子每個家庭都有一臺電腦，這是一個巨變，它不一定是好或壞，我們想幫助人們充分地利用未來的一切。

我們總是問自己可以做的最瘋狂的事情是什么？如果想不到這一點，那我們就做得少一些。

產(chǎn)品的好和壞，都會隨著它們變強大而被放大?？纯串斈阌泻腿艘粯勇斆鞯碾娔X時會發(fā)生什么，這很有趣。它不會疲憊，不會生病，不會因為去度假而留下未完成的工作，你告訴它要做什么它就會去做，它們將擁有比人多得多的智能等級。計算機將比現(xiàn)在重要1000倍，我們就在這個邊緣。

大部分的生活也是這樣的。如果它只是令人敬畏，它就不會被其他東西所平衡。

我對這個新世界的看法是，有很多人已經(jīng)失去了工作或者很快就會失去工作。像汽車、電話這種集中化的事物有時是很好的，但不是每個人的解決方案。如果事情以一種新的方式集中權(quán)力，以至于不再有任何制衡，這是很可怕的。你必須誠實地對待它，這些東西對人類來說是好的嗎？一般我會說是的，但這也是一件非?？膳碌氖虑椤?/p>

AIGC，從圖像到語音

雖然在此次 podcast.ai 專訪中，Joe Rogan 跟喬布斯的對話長達20多分鐘，事實上，這是 Play.ht 通過喬布斯的傳記和手機網(wǎng)絡(luò)上關(guān)于他的所有錄音，用語言模型大量訓(xùn)練生成的。

Play.ht 是一個 AI 文本轉(zhuǎn)換語音生成器，在今年9月發(fā)布了第一個語音模型 Peregrine，當中采用了與大型語言模型(如 DALE 和 GPT-2 )相同的概念，模型覆蓋數(shù)千種說話的聲音，可以通過自監(jiān)督學(xué)習(xí)人類的情感、說話語氣以及笑聲等。

從文本語言模型到音頻語言模型時，音頻數(shù)據(jù)速率增高是一個大的難題，一個句子的幾十個字符用音頻波形表達，所包含的數(shù)值往往多達數(shù)十萬個。

不僅如此，由于文本和音頻之間的一對多關(guān)系，也即是一個語句可以有不同的說話風(fēng)格、情感等，這也成為了語音模型研究中需要解決的問題。

這也是當前在喬布斯“采訪”內(nèi)容中所呈現(xiàn)出來的問題，即聽起來 AI 的模仿還有些生硬，對話一開始更像從小部分常用短語中提取出來，并且節(jié)奏和韻律也不太正常。

但總的來說， podcast.ai 的效果已經(jīng)相當接近真人，Clearbit 公司聯(lián)合創(chuàng)始人 Alex MacCaw 表示：“這真的令人非常興奮！”

有網(wǎng)友也留言稱：除了一開始有點不穩(wěn)定外，當在其他工作過程中聽是，幾乎無法區(qū)分。

從 GPT-3、Bloom 的文本生成，DALL-E 和 Stable Diffusion 圖像生成，以及 RunwayML、Make-A-Video 視頻生成，各類生成式 AI 模型的出現(xiàn)，給內(nèi)容創(chuàng)作帶來了更多的可能性。

Play.ht 表示，“我們相信在未來，所有內(nèi)容創(chuàng)作都將由人工智能生成，但由人類指導(dǎo)，而最具創(chuàng)造性的工作將取決于人類將他們想要的創(chuàng)作表達到模型中的能力。”

參考鏈接：

https://podcast.ai/

https://play.ht/

本文經(jīng)授權(quán)轉(zhuǎn)載自微信公眾號「AI科技評論」（ID：aitechtalk）