利用他们的方法，不管音频文件听起来是怎样的，文本输出结果都能变成攻击者想要的样子。技术很酷，但是却向我们发出警告：用AI作恶是完全可能的。
计算机专家尼克拉斯·卡利尼（Nicholas Carlini）和大卫·瓦格纳（David Wagner）成功欺骗Mozilla最流行的DeepSpeech开源文本-语音转换系统。给出任意一段音频声波，科学家就可以制作出另一段音频声波，相似度超过99.9%，转录时科学家可以选择任意短语，速度最高可以达到每秒50字符。攻击的成功率高达100%，不论想要转录的语音是怎样的，最初所说的源短语是怎样的，都可以成功。如果输入的是任意波形的声音，但不是语音，比如输入音乐，科学家可以将语音插入音频，你无法识别它是语音；让语音保持静默，就可以将音频隐藏到文本-语音转换系统。
也就是说，从理论上讲，科学家可以处理任意音频文件，欺骗文本-语音转换器，让它们相信音频是其它东西。当今的世界到处都是智能音箱和语音助手，新攻击技术无疑是一枚重磅炸弹。
