语音合成（Text to Speech ， TTS）又称文本语音转换技术 ， 顾名思义 ， 是把文本信息转化成语音信息 。 它是对话式人工智能的最后一环 ， 也是关键一环 ， 它的效果直接影响着人机语音交互的体验 。
思必驰作为国内领先的对话式人工智能平台公司 ， 它的语音合成技术表现究竟如何？
语音合成的“前世今生” 人的语音 ， 本质上是发音器官震动 ， 产生声波传出 。 模仿人声 ， 最古老的方法是使用乐器 。 到19世纪 ， 就可以用机械方法产生语音了 。 那时 ， 科学家们会制作出一些精巧的气囊和风箱去搭建发声系统 ， 合成出一些元音和单音 。
文章图片
人类发音示意图
进入电子时代的1939年 ， 贝尔实验室H·杜德利制作出第一台电子合成器 ， 这是用共振峰原理制作的语音合成器 ， 该技术使用固定频率 ， 以电子复制我们改变口型时所发出的元音声 ， 也这正是英国剑桥大学著名物理学家斯蒂芬·霍金教授所使用的声音合成器 。
上世纪90年代 ， 随着计算和存储能力大幅度提升 ， 基于大语料库的单元挑选与波形拼接合成方法出现 ， 可以合成出高质量的自然人语音 。
文章图片
语音合成技术演变
进入21世纪 ， 随着深度学习技术的兴起和快速发展 ， 以语音合成为代表的语音处理技术得到了极大的飞跃 。 神经网络语音合成在近几年来取得了显著突破 ， 合成?的?质和?然度越来越? ， 运?速度也越来越快 。 思必驰目前所使用的 ， 也正是这种方法 。
思必驰TTS ， 魅力何在？ 早在2007年于英国剑桥大学创立时 ， 思必驰关于语音合成技术研究就已开启 ， 该项工作由思必驰联合创始人兼首席科学家、上海交通大学教授俞凯领头 。
语音合成系统主要分为文本处理、声学模型、声码器三个部分 。 文本处理负责对文本进行转写和phoneme序列转换；声学模型使用深度神经网络 ， 可以在文本特征与声学特征之间学习到更复杂的非线性关系；声码器负责将声学模型输出的声学特征 ， 通过卷积运算 ， 转换成音频 。
经过10多年的研究积累 ， 思必驰在建模方法上 ， 涵盖了从传统的统计参数模型到最新的基于神经网络的方法；对声码器的研究 ， 涵盖了从传统的基于信号处理的方法到最新的基于神经网络的方法 。
语音合成的质量与效果 ， 既有赖于语音厂商的算法模型 ， 还取决于音频语料的质量 ， 即数据质量 。 思必驰有着丰富的声优资源以及声优挑选的经验 ， 在苏州建设有专业录?棚并与国内多个城市的录?棚有着长久合作关系 。 与此同时 ， 思必驰数据团队也对数据标注有着严格的质量把控 。
文章图片
位于思必驰苏州总部的专业录音棚
经过多年的技术积累 ， 思必驰已逐步形成了?套成熟的技术?案 ， 业务涵盖了?数据语?定制、?数据快速定制、声?克隆、歌声合成、?语种合成、??合成、情感合成等 ， 可选公有云、私有云以及离线三种部署?式 ， 经典??可在思必驰官?实时体验 。
2017年、2020年 ， 思必驰还先后参与国家标准《中文语音合成互联网服务接口规范》与行业标准《中文语音合成服务系统评估规范》的制定 ， 并成为全国首批通过评估测评的公司之一 ， 获得“TTS-4S（Standard Similarity Scene System）服务证书” 。 该测评从合成质量、定制能力、场景表现力和系统安全可靠等维度 ， 全面评估合成水平和服务能力 。
文章图片
2019年11月 ， 思必驰首批通过“中文语音合成水平测试”
未来世界 ， 百“声”争鸣 为能快速提供语音合成定制服务 ， 思必驰全程提供音色选择、录音指导、音频处理、模型训练、服务部署等专业服务 ， 赋予产品开口讲话的能? 。
【定制|思必驰高自然度可定制的语音合成（TTS）技术，如何练成的 ？】截至目前 ， 思必驰语音合成已建设的??库内包含音色接近200个 ， 涵盖多种??、多种风格 ， 以及各个年龄层次 。
思必驰语音合成服务 ， 也已在车载、?电、机器?、智能客服等诸多领域成功落地 ， 为众多终端产品赋予声的魅力 ， 使得万物皆可沟通 ， 并逐渐走入人们的工作与生活 。
文章图片
当你在家里“躺平” ， 来自如影智能的语音管家“Edison” ， 用他温暖、绅士的声音（文章开头的音频A） ， 为你带来踏实与慰藉；当你在爱车中驰骋 ， 车萝卜的语音助理“萝卜”清脆、简明的声音 ， 如同车水马龙路途中的一股清流；当你接起顺丰95338服务热线的外呼电话 ， 智能客服“丰小蜜”亲切又不失严谨的声音 ， 配合高效的工作能力 ， 带给你最省心省力的服务体验……
镜头切换到泛娱乐领域 ， 思必驰团队打造的“小驰机器人”在央视《机智过人》中 ， 现场用撒贝宁的声音生成了一曲《好久不见》 。 在《经典咏流传》中 ， 思必驰携手栏目组共同推出 “读诗成曲”线上互动小工具 ， 提供实时读诗成曲的能? 。 用户仅需读几句简单的诗词 ， 便可快速生成有腔有韵的歌声 ， 互动总量超过821万人次 。
文章图片
思必驰联合创始?兼?席科学家俞凯参与节目录制
在个性化定制上 ， 思必驰不仅可以提供普通话定制、歌声定制 ， 还可以通过迁移学习方法 ， 提供更高难度的方言、小语种TTS定制 ， 如粤语、上海语、四川话、?东话、东北话、德语、法语等 。
而思必驰的情感合成技术 ， 则赋予美妙音色丰沛的情绪 ， 让声音更具表现力与感染力 。
此外 ， 思必驰声音复刻技术也已在斑马智能、爱驰汽车、岚图汽车、仙豆智能等车联网客户以及IoT领域落地 ， 仅需录音20句话约400汉字 ， 10分钟之内便可以完成模型生产 ， MOS 合成音/录音达到90% ， 相似度合成音/录音达到80% 。
人类的声音 ， 是人类语言的物质外壳 ， 却承载着重要的信息和真挚的情感 ， 拥有着无穷的魅力 。 人工智能突飞猛进地发展正不断催化人机交互方式的巨变 ， “万物可沟通、万事可打理”的语音互联未来世界 ， 正加速到来……
推荐阅读
- 系列|真我GT2系列 x 龙珠将推定制版！全球限量完美融入动漫元素
- 端口|俄语黑客论坛出售全新私人定制勒索病毒——BlackCat
- 龙珠|realme GT2 Pro 预热，联名《龙珠》定制新品
- IT|希尔公司将推出颠覆性的HX50直升机根据买家需求定制
- 定制|瑞声科技：为小米 12 Pro 定制了“全频段四扬立体声”
- 全频段|瑞声科技：为小米12 Pro专业定制两大解决方案
- 探测|热控盔甲“定制外衣” 助力太空探测硕果连结
- 能力|亿咖通科技携手百度Apollo定制新一代智能座舱系统吉利银河OS
- 代理商|思必驰会议魔方M1加速落地政企，助推办公效率开启新速度
- 系列|荣耀推出 60 系列手机“龙腾虎跃”官方定制保护壳：99 元