在AI交互场景里，语音技术是连接用户与智能系统的重要纽带，而声音克隆作为语音技术的细分领域，凭借个性化与高逼真度的优势，成了科技巨头争相布局的重点。正是在这样的背景下，OpenAI于2026年3月悄然出手，收购了AI声音克隆初创公司Weights.gg，以此进一步完善自身的语音技术生态。
公开信息显示，Weights.gg此前运营着一个基于RVC（检索式语音转换）技术的语音模型平台，核心能力是通过少量音频样本快速生成高度逼真的克隆声音。不过，平台曾存在大量未授权的名人及政要声音模型，因版权问题和滥用风险，在被收购当月就关停了服务。这家公司自成立以来共获得400万美元风险投资，团队规模约六人，此次收购包含了它的全部知识产权和团队成员。
RVC技术的核心优势在于实时性和低数据依赖：传统语音合成技术需要数千小时的训练数据，而RVC仅需10分钟左右的目标声音样本就能完成克隆，转换延迟还能控制在200毫秒以内。这一特性正好填补了OpenAI现有Voice Engine在快速克隆场景下的短板。OpenAI计划整合Weights.gg的技术和团队，优化Voice Engine的声音生成精度与个性化能力，但考虑到深度伪造、虚假信息传播等滥用风险，该技术目前还未向公众开放。
这次收购的背后，是OpenAI商业化战略的调整。同一时期，OpenAI关闭了视频生成应用Sora，据内部人士透露，这是为了集中资源投入语音及多模态交互技术；与此同时，OpenAI向开发者开放了语音API，允许第三方应用集成其语音合成与转换能力。截至2026年3月，已有超过1.2万家开发者接入该API，月调用量突破5亿次，足见其在B端市场的商业化潜力。
行业数据显示，2026年第一季度全球AI语音技术市场规模达到120亿美元，同比增长35%（IDC数据），其中声音克隆技术占比约18%，是增长最快的细分领域之一。在竞争对手方面，谷歌DeepMind于2026年2月推出了WaveNet 4.0语音合成技术，支持低延迟多语言声音克隆；Meta则在同月测试了多模态语音克隆工具MetaVoice，该工具能结合文本与图像生成个性化语音，但尚未对外公开。这些动向都说明，全球科技巨头正围绕语音克隆技术展开激烈竞争，该领域未来的技术突破和应用场景还将进一步拓展。
快报