许多人仍认为人工智能（AI）生成的语音听起来“机械感”明显，但英国伦敦玛丽女王大学研究团队在新出版的《公共科学图书馆·综合》杂志上发表论文指出，AI语音合成技术已进入新阶段，其生成的“克隆语音”或深度伪造声音，逼真度与真人录音无异。
研究团队采用当前最先进的AI语音合成工具，生成两类合成语音：一类是基于真人录音的“克隆”声音，旨在模仿特定说话者；另一类则由大型语音模型生成，不针对具体个人。参与者被要求辨别声音的真实性与可信度。
尽管研究未发现AI声音存在“超真实效应”（即比真人更像真人），但结果显示，“克隆语音”的逼真度已与真人声音不相上下，令人难以分辨。且部分AI生成的声音在可信度评价中甚至超越了真人录音。
研究团队表示，AI语音已渗透日常生活，如Alexa、Siri及各类客服系统。虽然当前系统音色仍具机械特征，但自然度接近人声的AI语音技术已然成熟。利用商用软件仅需几分钟真人录音，即可快速、低成本地生成高质量声音克隆，且几乎无需专业知识。
最新研究显示，公众对高仿真语音认知机制的研究迫在眉睫。AI语音技术的飞速发展有望给教育、人机交互等领域带来创新机遇——在这些领域，定制的高质量合成语音可增强用户体验。但是，合成语音也对伦理、版权和安全构成挑战，尤其在虚假信息、诈骗与身份冒用等方面需加强防范。
