音频深度学习

音频深度学习将具有多个层级的神经网络应用于声音的识别、生成和变换等任务。^[1]通过从大量音频数据中学习模式，这些模型能够完成以往难以直接编程实现的工作，包括语音合成、声源分离和降噪。

同样的技术也为声音克隆、生成式音乐和智能音频工具提供支持，并且仍在快速发展。要用好这些技术，需要合适的训练数据、审慎的评估，以及对相关伦理问题的关注——当模型能够以假乱真地模仿真实的声音和音色时，这些问题便随之而来。^[2]