据The Verge报道，音频初创公司Krisp宣布推出一款AI工具，可将用户口音转换为美式英语，首批支持印度口音转换。该公司表示，这款“AI口音转换”功能能在200毫秒内完成口音切换，Krisp称此为“对话中难以察觉的延迟”，同时保留说话者的原始音色。目前，该工具已在企业环境中完成测试，测试版将登陆Krisp桌面应用，用户可在通话前或通话过程中随时启用。
Krisp的联合创始人阿尔托·米纳相（Arto Minasyan）透露，该功能的灵感源于他的亲身经历：“尽管我的英语很流利，但很多人仍听不懂我的口音。我们认为转换口音能显著提升沟通效率。经过两年研发，现在终于推出测试版。”目前该工具支持17种印度方言，未来计划扩展至菲律宾等英语口音。米纳相强调：“这无关偏见，而是现实的沟通需求。在快节奏会议中，微小误解都可能延缓决策、导致重复沟通并降低整体效率。”
Krisp并非唯一布局此领域的公司。据彭博社报道，呼叫中心公司Teleperformance SE已开始部署能“柔化”印度员工口音的AI工具。去年10月，OpenAI也为ChatGPT推出进阶语音模式，可识别包括非洲裔方言、牙买加克里奥尔语和尼日利亚皮钦语在内的多种方言，实现更自然的实时对话。
Krisp的AI口音转换功能集成在其现有的桌面应用中，作为虚拟麦克风运行，可在Zoom、Microsoft Teams、Google Meet和Webex等视频会议应用中改变某人的声音。在企业测试中，该功能让销售转化率提升了26.1%，每本书的收入增长了14.8%。不过，测试发现转换后的声音不够自然，甚至偶尔会漏掉单词。Krisp解释称，目前仍处于Beta阶段，模型将在后续更新中优化。
此外，Krisp的另一大优势在于其会议助手的实时数据采集能力。通过实时创建个人语音模型，用户可以享受到更加自然、流畅的转换效果。这也意味着该技术在处理实时语音通信方面具有很高的应用价值，有望在会议、演讲、客服等领域发挥重要作用。
从市场表现来看，Krisp不仅要面对来自DirectTrans和Teleperformance等竞争对手，后者早已推出了类似功能来改善与客户的沟通效率。但Krisp将其专注于AI驱动的个性化服务作为其竞争优势。在技术持续更新的背景下，Krisp的团队在研发上不断投入资源以优化算法、扩展语言支持与提升用户体验。通过引入多方位的用户反馈机制，Krisp能够迅速迭代产品，保持技术前沿性和市场适应性。
然而，尽管Krisp在人机交互的技术创新中确实展示出其移动性与灵活性，相应的伦理问题也随之浮现。许多人担心，使用这样的服务可能会导致个人与文化的身份认同被削弱，促使人们向一种标准化的沟通方式靠拢。这种现象可能使不同文化背景的用户失去其独特性，导致一种同质化的社会文化趋势。同时，Krisp的功能也可能被不法分子利用，例如隐藏实际口音进行欺诈或误导行为，从而影响业务正常运营及客户信任。
在业内知名专家的评论中，深度学习应用的持续扩展确实极大改善了沟通的便利性，但与此同时，各界应加强对技术使用目的以及应用场景的审视。未来，Krisp及其他AI企业在持续创新的过程中，也需建立相应的伦理标准，确保技术得到负责任的使用。专家建议，在过去的技术发展中，往往较少关注用户的文化背景及其对身份的影响，因此加强人文学科与科技的交叉研究，或能有效缓解潜在的文化冲突。
总的来说，Krisp的AI口音转换功能是一项具有突破性的技术，它有望为全球范围内的英语使用者提供更加便捷、自然的语音转换体验。尽管目前还处于发展初期，存在一些挑战和不足，但随着技术的不断优化和改进，相信这项技术将在未来发挥越来越重要的作用。
（文：AI音频时代）