個性化定制屬于你的AI聲音訊飛智作引領AIGC＋聲音變革潮流

來源：中關村在線　2023-02-22 13:53:02

你想象過嗎？蘋果集團創始人喬布斯“死而復生”，和播客主持人討論自己的大學時光、對計算機的看法、工作狀態以及信仰等等。如此賽博的場景，竟然真地在現實中發生了，它來自一檔名為Podcast.ai的播客的第一期節目。

【資料圖】

這是一個完全由是一個完全由AI生成的播客。Podcast.ai通過喬布斯的傳記，和收集網絡上關于他的所有錄音，用Play.ht的語言模型大量訓練，最終生成了一段美國知名播客主持人Joe Rogan采訪喬布斯的播客內容。在這期播客里，喬布斯的各種語音、語調都模擬的非常相似。

某種程度上說，借由AI，我們的聲音就能實現“數字永生”，又或者，你可以聽到任何你想要的人聲。聽起來是不是非常誘人？

事實上，對于國內用戶來說，擁有專屬于自己的AI聲音并不是遙遠的夢想。2022科大訊飛全球1024開發者節的技術發布會上，科大訊飛AI研究院副院長高建清分享了科大訊飛在語音合成技術領域的新突破——多風格多情感合成系統SMART-TTS。

2月19日，科大訊飛官方微信視頻號中發布了一條關于節氣《雨水》的視頻。深沉厚重的男低音，自帶質感，讓這段視頻的level至少上了一個等級。你肯定猜到了，這段配音由SMART-TTS系統合成，其語氣的變化、語句的停頓、聲音的細膩程度都和真人所差無幾。

最近大火的ChatGPT是AIGC+文字領域的產品，而SMART-TTS則是AIGC在聲音領域的應用。在許多人潛意識中，語音合成往往帶著一股機器味兒，不僅生硬而且很容易分辨。為了讓機器聲音能媲美人類，專注語音技術20多年，訊飛始終堅持源頭技術創新，持續進行探索。2008年首次讓語音合成效果超過了普通人說話水平。2019年，科大訊飛在國際語音合成大賽的自然度、相似度兩項指標榮獲第一，連續14年穩坐冠軍寶座。訊飛在語音合成方面已實現人聲自然飽滿，逼真度高，富有表現力，人機交互更具真實感，同時提供適應新聞播報、閱讀聽書、語音助手等多種場景的100+發音人。在線語音合成可支持37個語種、11種方言、2種民族語言。

而SMART-TTS在多情感、多風格方面實現了新的突破。SMART-TTS系統可提供“高興、抱歉、撒嬌、嚴肅、悲傷、困惑、害怕、鼓勵、生氣、安慰、寵溺”等11種情感，每種情感具備40檔強弱度不同的調節能力；也能提供聲音的創造能力，如停頓、重音、語速等，可以根據自己喜好調節，真正實現了合成系統媲美具備個性化特點的真人表達能力。

很多人想知道，在哪里定制屬于自己的AI聲音？訊飛有聲APP和訊飛開放平臺都開放了SMART-TTS語音合成系統，開發者可以在訊飛有聲APP直接下載體驗，或在訊飛開放平臺進行調用。另外，科大訊飛最新推出的AIGC內容創作基地——訊飛智作，包括的各種AIGC工具中已上線了SMART-TTS聆系列主播，助力內容創作者更高效地輸出優質的音視頻作品。

在訊飛智作中，已經開放了訊飛配音、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、領域、風格、語種等眾多選擇標準，自由調節速度、語調、音量、情感系數等多重變量。可以預想到，AIGC在訊飛智作中的應用能夠給音視頻生產領域帶來全新的變革，內容生產者們以較低的成本獲得適合內容的高質量音視頻，創作的效率大大提高，還可以讓不能開口說話的事物配音，《假如國寶會說話》的跨年特別呈現中，SMART-TTS語音合成系統讓文物擁有了親切自然的音色，講述自己的風姿與古人的智慧。

SMART-TTS語音合成系統已經落地很多需要聲音的場景，也將有更多功能向用戶、企業開放，自然流暢、富有情感的合成語音將走進千家萬戶。打開導航時它有力可靠、閱讀有聲書時它讓人身臨其境、疲憊時它溫柔甜美帶來力量......結合訊飛虛擬數字人技術，還可以實現定制智能聊天對象，建立有具體形象的AI助手、AI伴侶不無可能，也許我們還可以與擁有自己聲音的AI進行交互。這不就是我們曾經幻想過的美好未來嗎。

訊飛智作是人人都可觸碰到的AIGC應用，如今AIGC的大時代正在到來。這個已經開始的技術變革對我們來說意味著什么？這一波AI產品可能的應用場景有哪些？未來可能會形成怎樣的新AI產業生態...這些問題暫且還沒有明晰的答案。但在大浪潮的初始，這些探索者值得被持續關注。

推薦DIY文章