从声音到文风，AI如何一步步“成为”你？

文为原创图文，未经授权不得擅自转载、摘编或使用。文中图片可能涉及第三方版权，转载使用可能引发侵权纠纷；如需转载，请通过本公众号私信留言联系我们，经授权后规范使用。

忽然收到一条朋友发来的语音：“我出了点急事，先借我五千，明早就还”。

你点开听——声音、语调、甚至常用的口头禅，全对。你正准备转账，朋友本人却打来电话：“啥情况？我啥也没发啊。”

图片来源：pexels

更让人不安的是，屏幕里甚至可能出现一张熟悉的脸。嘴形对得上，表情也自然，还会用一贯的说话方式解释来龙去脉。

此时，我们才意识到，照片、语音和聊天记录不只是生活痕迹，也可能成为伪装身份的原材料。

而这，就是今天要说的：数字克隆。

一起来看。

一、什么是数字克隆？

别想成科幻片里那种“意识上传”。所谓数字克隆，更像一场高精度的模仿训练。

人脸模型从照片和视频中学习五官比例、表情变化与口型运动；语音模型提取音色、音高、节奏和停顿，再把新文字读成从你嘴里说出来的；语言模型则从聊天记录里揣摩常用词、句式、标点和表达习惯。模型掌握的是外在规律，而不是你的记忆、经历和责任。它可以模仿如何说，却不知道为何这么说。

图片来源：AI生成

另外，文风复刻也不容小觑。几百条聊天记录就可能暴露一个人爱用的称呼、回复速度、句子长短，甚至情绪变化时的表达方式。单看某一句或许并不惊人，组合起来却足以让熟人产生“这是他”的错觉。

二、技术是好是坏，在于使用者

某种程度上，科学技术作为工具本身不具备道德属性，但其应用方向、社会影响乃至最终价值，始终由使用它的人（或群体、组织、社会）的主观意图、价值取向和实践方式所决定。

AI复刻技术并非只有坏处，这需要一分为二来看待。对可能逐渐失去语言能力的人来说，“声音库”可以提前保存语音素材，制作接近本人音色的合成声音，让辅助沟通设备不再只有千篇一律的机器声。影视制作、无障碍阅读、方言保护和虚拟讲解，也可能因此获得更自然的表达方式。问题不在于“能不能复刻”，而在于谁来决定、用于什么目的、是否向听众说明。

同样一项技术，一旦越过同意与告知的边界，就会从工具变成冒名者。骗子不需要真正理解你的朋友，只要复制足够逼真的声音，再配上“转账”“不勿声张”等的催促，就可能绕过人的警惕。偷拍视频被换脸，公开演讲被重新配音，聊天记录被用来生成本人声明，都可能伤害名誉、财产和人际信任。最难防的并不是某个破绽，而是我们对熟悉面孔和熟悉声音的天然信任。

三、边界模糊，但责任不能模糊

怎样判断一次复刻是在帮助人，还是在偷走一个人的身份？可根据以下三点。

① 素材是否经过本人同意？

② 生成内容是否有清楚标识？

③ 使用范围能否被本人知情、限制和撤回？

我国关于深度合成和人工智能生成合成内容的管理规则，也强调对合成人声、人脸生成等内容进行标识，并重视个人信息和生物识别信息的保护。技术越逼真，来源说明越不能含糊。

图片来源：AI生成

普通人也不必把自己训练成鉴伪专家，遇到熟人突然借钱、索要验证码或要求保密，先暂停并冷静思考，用自己保存的号码回拨，或通过另一位亲友交叉核实。

家人之间可以约定一个不在社交平台公开的确认口令，对突如其来的紧迫感保持警惕，不仅听声音，还要核对事情本身是否合理。此外，日常发布照片和语音时，也应留意公开范围，避免长期暴露大量清晰、连续的个人素材。

AI可以复刻一张脸、一段声音，甚至一套文风，却不能替一个人承担承诺、情感和责任。

真正需要守住的，不是拒绝所有数字技术，而是让每一次“像你”的生成，都有同意、有标识、有边界。只有这样，数字分身才是人的延伸，而不是躲在屏幕后面的替身。

参考文献

[1] Mirsky, Y., & Lee, W. (2021). The Creation and Detection of Deepfakes: A Survey. ACM Computing Surveys, 54(1), Article 7, 1–41. DOI: 10.1145/3425780.

[2] 国家互联网信息办公室等：《互联网信息服务深度合成管理规定》（2022）；《人工智能生成合成内容标识办法》（2025）；NIST：Reducing Risks Posed by Synthetic Content（2024）；FTC：Fighting Back Against Harmful Voice Cloning（2024）；American Speech-Language-Hearing Association：Augmentative and Alternative Communication（AAC）。

作者：代书婷 中国科学院心理研究所、博士研究生

审核: 刘颖 李培元 张超 杨柳

审核专家：张凤娇 中国科学院大学 化学科学学院教授、博士生导师