1月28日，國家互聯(lián)網(wǎng)信息辦公室發(fā)布《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定（征求意見稿）》。

根據(jù)說明，深度合成技術(shù)，是指利用以深度學(xué)習(xí)、虛擬現(xiàn)實(shí)為代表的生成合成類算法制作文本、圖像、音頻、視頻、虛擬場景等信息的技術(shù)，包括但不限于：

1）篇章生成、文本風(fēng)格轉(zhuǎn)換、問答對話等對文本內(nèi)容進(jìn)行生成或者編輯的技術(shù)；

2）文本轉(zhuǎn)語音、語音轉(zhuǎn)換、語音屬性編輯等對語音內(nèi)容進(jìn)行生成或者編輯的技術(shù)；

3）音樂生成、場景聲編輯等對非語音內(nèi)容進(jìn)行生成或者編輯的技術(shù)；

4）人臉生成、人臉替換、人物屬性編輯、人臉操控、姿態(tài)操控等對圖像、視頻內(nèi)容中人臉等生物特征進(jìn)行生成或者編輯的技術(shù)；

5）圖像增強(qiáng)、圖像修復(fù)等對圖像、視頻內(nèi)容中非生物特征進(jìn)行編輯的技術(shù)；

6）三維重建等對虛擬場景進(jìn)行生成或者編輯的技術(shù)。

深度合成服務(wù)提供者，是指提供深度合成服務(wù)以及為深度合成服務(wù)提供技術(shù)支持的組織。

深度合成服務(wù)使用者，是指使用深度合成服務(wù)制作、復(fù)制、發(fā)布、傳播信息的組織、個(gè)人。

征求意見中要求，提供以下深度合成服務(wù)的，應(yīng)當(dāng)使用顯著方式對深度合成信息內(nèi)容進(jìn)行標(biāo)識(shí)，向社會(huì)公眾有效提示信息內(nèi)容的合成情況：

1）提供智能對話、智能寫作等模擬自然人進(jìn)行文本生成或者編輯服務(wù)的，在文本信息內(nèi)容的稿源說明處等位置進(jìn)行顯著標(biāo)識(shí)；

2）提供合成人聲、仿聲等語音生成或者顯著改變個(gè)人身份特征的編輯服務(wù)的，在音頻信息內(nèi)容的合理區(qū)域以語音說明等方式進(jìn)行顯著標(biāo)識(shí)；

3）提供人臉生成、人臉替換、人臉操控、姿態(tài)操控等虛擬人物圖像、視頻生成或者顯著改變個(gè)人身份特征的編輯服務(wù)的，在圖像、視頻信息內(nèi)容的明顯位置進(jìn)行顯著標(biāo)識(shí)；

4）提供沉浸式擬真場景等生成或者編輯服務(wù)的，在虛擬場景信息內(nèi)容的明顯位置進(jìn)行顯著標(biāo)識(shí)；

5）提供其他具有生成或者顯著改變信息內(nèi)容功能的服務(wù)的，在文本、圖像、音頻或者視頻、虛擬場景等的合理位置或者區(qū)域進(jìn)行顯著標(biāo)識(shí)。

深度合成服務(wù)提供者提供前款規(guī)定之外的深度合成服務(wù)的，應(yīng)當(dāng)向深度合成服務(wù)使用者提供對深度合成信息內(nèi)容進(jìn)行顯著標(biāo)識(shí)的功能，并提示深度合成服務(wù)使用者可以對深度合成信息內(nèi)容進(jìn)行顯著標(biāo)識(shí)。

涉及的用語的含義：

1）場景聲，是指音頻中非語音內(nèi)容的背景聲音。

2）人臉操控，是指對圖像、視頻中人物的面部表情等進(jìn)行操控。

3）姿態(tài)操控，是指對圖像、視頻中人物的肢體動(dòng)作等進(jìn)行操控。

4）三維重建，是指利用數(shù)據(jù)生成或者編輯場景三維立體影像的深度合成技術(shù)。

5）訓(xùn)練數(shù)據(jù)，是指被用于訓(xùn)練機(jī)器學(xué)習(xí)模型的標(biāo)注或者基準(zhǔn)數(shù)據(jù)集。

6）沉浸式擬真場景，是指通過深度合成技術(shù)生成或者編輯的、可供參與者體驗(yàn)或者互動(dòng)的、具有高度真實(shí)感的虛擬場景。