世界看熱訊：個(gè)性化定制屬于你的AI聲音 訊飛智作引領(lǐng)AIGC＋聲音變革潮流

2023-02-22 11:02:54 作者：宋均益

【資料圖】

你想象過(guò)嗎？蘋果集團(tuán)創(chuàng)始人喬布斯“死而復(fù)生”，和播客主持人討論自己的大學(xué)時(shí)光、對(duì)計(jì)算機(jī)的看法、工作狀態(tài)以及信仰等等。如此賽博的場(chǎng)景，竟然真地在現(xiàn)實(shí)中發(fā)生了，它來(lái)自一檔名為Podcast.ai的播客的第一期節(jié)目。

這是一個(gè)完全由是一個(gè)完全由AI生成的播客。Podcast.ai通過(guò)喬布斯的傳記，和收集網(wǎng)絡(luò)上關(guān)于他的所有錄音，用Play.ht的語(yǔ)言模型大量訓(xùn)練，最終生成了一段美國(guó)知名播客主持人Joe Rogan采訪喬布斯的播客內(nèi)容。在這期播客里，喬布斯的各種語(yǔ)音、語(yǔ)調(diào)都模擬的非常相似。

某種程度上說(shuō)，借由AI，我們的聲音就能實(shí)現(xiàn)“數(shù)字永生”，又或者，你可以聽到任何你想要的人聲。聽起來(lái)是不是非常誘人？

事實(shí)上，對(duì)于國(guó)內(nèi)用戶來(lái)說(shuō)，擁有專屬于自己的AI聲音并不是遙遠(yuǎn)的夢(mèng)想。2022科大訊飛全球1024開發(fā)者節(jié)的技術(shù)發(fā)布會(huì)上，科大訊飛AI研究院副院長(zhǎng)高建清分享了科大訊飛在語(yǔ)音合成技術(shù)領(lǐng)域的新突破——多風(fēng)格多情感合成系統(tǒng)SMART-TTS。

2月19日，科大訊飛官方微信視頻號(hào)中發(fā)布了一條關(guān)于節(jié)氣《雨水》的視頻。深沉厚重的男低音，自帶質(zhì)感，讓這段視頻的level至少上了一個(gè)等級(jí)。你肯定猜到了，這段配音由SMART-TTS系統(tǒng)合成，其語(yǔ)氣的變化、語(yǔ)句的停頓、聲音的細(xì)膩程度都和真人所差無(wú)幾。

最近大火的ChatGPT是AIGC+文字領(lǐng)域的產(chǎn)品，而SMART-TTS則是AIGC在聲音領(lǐng)域的應(yīng)用。在許多人潛意識(shí)中，語(yǔ)音合成往往帶著一股機(jī)器味兒，不僅生硬而且很容易分辨。為了讓機(jī)器聲音能媲美人類，專注語(yǔ)音技術(shù)20多年，訊飛始終堅(jiān)持源頭技術(shù)創(chuàng)新，持續(xù)進(jìn)行探索。2008年首次讓語(yǔ)音合成效果超過(guò)了普通人說(shuō)話水平。2019年，科大訊飛在國(guó)際語(yǔ)音合成大賽的自然度、相似度兩項(xiàng)指標(biāo)榮獲第一，連續(xù)14年穩(wěn)坐冠軍寶座。訊飛在語(yǔ)音合成方面已實(shí)現(xiàn)人聲自然飽滿，逼真度高，富有表現(xiàn)力，人機(jī)交互更具真實(shí)感，同時(shí)提供適應(yīng)新聞播報(bào)、閱讀聽書、語(yǔ)音助手等多種場(chǎng)景的100+發(fā)音人。在線語(yǔ)音合成可支持37個(gè)語(yǔ)種、11種方言、2種民族語(yǔ)言。

而SMART-TTS在多情感、多風(fēng)格方面實(shí)現(xiàn)了新的突破。SMART-TTS系統(tǒng)可提供“高興、抱歉、撒嬌、嚴(yán)肅、悲傷、困惑、害怕、鼓勵(lì)、生氣、安慰、寵溺”等11種情感，每種情感具備40檔強(qiáng)弱度不同的調(diào)節(jié)能力；也能提供聲音的創(chuàng)造能力，如停頓、重音、語(yǔ)速等，可以根據(jù)自己喜好調(diào)節(jié)，真正實(shí)現(xiàn)了合成系統(tǒng)媲美具備個(gè)性化特點(diǎn)的真人表達(dá)能力。

很多人想知道，在哪里定制屬于自己的AI聲音？訊飛有聲APP和訊飛開放平臺(tái)都開放了SMART-TTS語(yǔ)音合成系統(tǒng)，開發(fā)者可以在訊飛有聲APP直接下載體驗(yàn)，或在訊飛開放平臺(tái)進(jìn)行調(diào)用。另外，科大訊飛最新推出的AIGC內(nèi)容創(chuàng)作基地——訊飛智作，包括的各種AIGC工具中已上線了SMART-TTS聆系列主播，助力內(nèi)容創(chuàng)作者更高效地輸出優(yōu)質(zhì)的音視頻作品。

在訊飛智作中，已經(jīng)開放了訊飛配音、真人配音、虛擬人視頻、PPT生成視頻等功能。以訊飛配音為例，用戶可以在100多位合成主播中選擇適合的聲音，有性別、年齡、領(lǐng)域、風(fēng)格、語(yǔ)種等眾多選擇標(biāo)準(zhǔn)，自由調(diào)節(jié)速度、語(yǔ)調(diào)、音量、情感系數(shù)等多重變量?？梢灶A(yù)想到，AIGC在訊飛智作中的應(yīng)用能夠給音視頻生產(chǎn)領(lǐng)域帶來(lái)全新的變革，內(nèi)容生產(chǎn)者們以較低的成本獲得適合內(nèi)容的高質(zhì)量音視頻，創(chuàng)作的效率大大提高，還可以讓不能開口說(shuō)話的事物配音，《假如國(guó)寶會(huì)說(shuō)話》的跨年特別呈現(xiàn)中，SMART-TTS語(yǔ)音合成系統(tǒng)讓文物擁有了親切自然的音色，講述自己的風(fēng)姿與古人的智慧。

SMART-TTS語(yǔ)音合成系統(tǒng)已經(jīng)落地很多需要聲音的場(chǎng)景，也將有更多功能向用戶、企業(yè)開放，自然流暢、富有情感的合成語(yǔ)音將走進(jìn)千家萬(wàn)戶。打開導(dǎo)航時(shí)它有力可靠、閱讀有聲書時(shí)它讓人身臨其境、疲憊時(shí)它溫柔甜美帶來(lái)力量......結(jié)合訊飛虛擬數(shù)字人技術(shù)，還可以實(shí)現(xiàn)定制智能聊天對(duì)象，建立有具體形象的AI助手、AI伴侶不無(wú)可能，也許我們還可以與擁有自己聲音的AI進(jìn)行交互。這不就是我們?cè)?jīng)幻想過(guò)的美好未來(lái)嗎。

訊飛智作是人人都可觸碰到的AIGC應(yīng)用，如今AIGC的大時(shí)代正在到來(lái)。這個(gè)已經(jīng)開始的技術(shù)變革對(duì)我們來(lái)說(shuō)意味著什么？這一波AI產(chǎn)品可能的應(yīng)用場(chǎng)景有哪些？未來(lái)可能會(huì)形成怎樣的新AI產(chǎn)業(yè)生態(tài)...這些問(wèn)題暫且還沒(méi)有明晰的答案。但在大浪潮的初始，這些探索者值得被持續(xù)關(guān)注。

責(zé)任編輯：Rex_22