以往，我們了解到一些世界領(lǐng)先的語(yǔ)音合成技術(shù)，它們研發(fā)出來(lái)的“語(yǔ)音合成助手”軟件可以完美的完成語(yǔ)音合成工作。而最近阿里也推出了一項(xiàng)新語(yǔ)音合成技術(shù)，錄音10分鐘即可定制專(zhuān)屬“AI聲音”。
7月10日，阿里巴巴發(fā)布新一代語(yǔ)音合成技術(shù)KAN-TTS，稱(chēng)可大幅提高合成語(yǔ)音與真人發(fā)聲的相似度，并將語(yǔ)音合成定制成本降低10倍以上。該技術(shù)由達(dá)摩院機(jī)器智能實(shí)驗(yàn)室自主研發(fā)。
阿里方面稱(chēng)，當(dāng)前業(yè)界商用系統(tǒng)的合成語(yǔ)音與原始音頻錄音的接近程度通常在85%-90%之間，而基于KAN-TTS技術(shù)的合成語(yǔ)音可將該數(shù)據(jù)提高到97%以上。
KAN-TTS深度融合了目前主流的端到端TTS技術(shù)和傳統(tǒng)TTS技術(shù)，從多個(gè)方面改進(jìn)了語(yǔ)音合成，有望通過(guò)圖靈測(cè)試。阿里利用Multi-SpeakerModel與Speaker-awareAdvancedTransferLearning相結(jié)合的方法，將語(yǔ)音合成定制成本降低10倍以上，周期壓縮3倍以上。也就是說(shuō)，用1小時(shí)有效錄音數(shù)據(jù)和不到兩個(gè)月制作周期，就能完成一次標(biāo)準(zhǔn)TTS定制。
此外，這使得普通用戶(hù)定制“AI聲音”的門(mén)檻更低。只需手機(jī)錄音十分鐘，就能獲得與錄制聲音高度相似的合成語(yǔ)音。
基于KAN-TTS的語(yǔ)音合成技術(shù)現(xiàn)在已經(jīng)向B端客戶(hù)開(kāi)放商用，它能基于5大場(chǎng)景(通用、客服、童聲、英文和方言)、提供34種不同聲音，而且能夠讓企業(yè)與個(gè)人定制其專(zhuān)屬“AI聲音”，該技術(shù)目前已經(jīng)用在了高德地圖、天貓精靈、夸克瀏覽器等應(yīng)用中。
語(yǔ)音合成是通過(guò)機(jī)械的、電子的方法產(chǎn)生人造語(yǔ)音的技術(shù)。TTS技術(shù)(又稱(chēng)文語(yǔ)轉(zhuǎn)換技術(shù))隸屬于語(yǔ)音合成，它是將計(jì)算機(jī)自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月?tīng)得懂的、流利的漢語(yǔ)口語(yǔ)輸出的技術(shù)。
和語(yǔ)音合成一樣，語(yǔ)音識(shí)別技術(shù)也是實(shí)現(xiàn)人機(jī)語(yǔ)音通信，建立一個(gè)有聽(tīng)和講能力的口語(yǔ)系統(tǒng)所必需的關(guān)鍵技術(shù)，越來(lái)越多的公司和行業(yè)都在向這方面靠攏。2017年，全球的語(yǔ)音識(shí)別軟件市場(chǎng)規(guī)模就已經(jīng)達(dá)到11億美元，隨著AI等各種技術(shù)的成熟，對(duì)語(yǔ)音識(shí)別的市場(chǎng)需求也在逐年提升。預(yù)計(jì)到2025年，全球語(yǔ)音識(shí)別市場(chǎng)的整體規(guī)模將達(dá)到69億美元。
a&s傳媒是全球知名展覽公司法蘭克福展覽集團(tuán)旗下的專(zhuān)業(yè)媒體平臺(tái)，自1994年品牌成立以來(lái)，一直專(zhuān)注于安全&自動(dòng)化產(chǎn)業(yè)前沿產(chǎn)品、技術(shù)及市場(chǎng)趨勢(shì)的專(zhuān)業(yè)媒體傳播和品牌服務(wù)。從安全管理到產(chǎn)業(yè)數(shù)字化，a&s傳媒擁有首屈一指的國(guó)際行業(yè)展覽會(huì)資源以及豐富的媒體經(jīng)驗(yàn)，提供媒體、活動(dòng)、展會(huì)等整合營(yíng)銷(xiāo)服務(wù)。
粵公網(wǎng)安備 44030402000264號(hào)
