以往，我們了解到一些世界領先的語音合成技術，它們研發(fā)出來的“語音合成助手”軟件可以完美的完成語音合成工作。而最近阿里也推出了一項新語音合成技術，錄音10分鐘即可定制專屬“AI聲音”。
7月10日，阿里巴巴發(fā)布新一代語音合成技術KAN-TTS，稱可大幅提高合成語音與真人發(fā)聲的相似度，并將語音合成定制成本降低10倍以上。該技術由達摩院機器智能實驗室自主研發(fā)。
阿里方面稱，當前業(yè)界商用系統(tǒng)的合成語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技術的合成語音可將該數(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技術和傳統(tǒng)TTS技術，從多個方面改進了語音合成，有望通過圖靈測試。阿里利用Multi-SpeakerModel與Speaker-awareAdvancedTransferLearning相結(jié)合的方法，將語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，用1小時有效錄音數(shù)據(jù)和不到兩個月制作周期，就能完成一次標準TTS定制。
此外，這使得普通用戶定制“AI聲音”的門檻更低。只需手機錄音十分鐘，就能獲得與錄制聲音高度相似的合成語音。
基于KAN-TTS的語音合成技術現(xiàn)在已經(jīng)向B端客戶開放商用，它能基于5大場景(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)與個人定制其專屬“AI聲音”，該技術目前已經(jīng)用在了高德地圖、天貓精靈、夸克瀏覽器等應用中。
語音合成是通過機械的、電子的方法產(chǎn)生人造語音的技術。TTS技術(又稱文語轉(zhuǎn)換技術)隸屬于語音合成，它是將計算機自己產(chǎn)生的、或外部輸入的文字信息轉(zhuǎn)變?yōu)榭梢月牭枚?、流利的漢語口語輸出的技術。
和語音合成一樣，語音識別技術也是實現(xiàn)人機語音通信，建立一個有聽和講能力的口語系統(tǒng)所必需的關鍵技術，越來越多的公司和行業(yè)都在向這方面靠攏。2017年，全球的語音識別軟件市場規(guī)模就已經(jīng)達到11億美元，隨著AI等各種技術的成熟，對語音識別的市場需求也在逐年提升。預計到2025年，全球語音識別市場的整體規(guī)模將達到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旗下的專業(yè)媒體平臺，自1994年品牌成立以來，一直專注于安全&自動化產(chǎn)業(yè)前沿產(chǎn)品、技術及市場趨勢的專業(yè)媒體傳播和品牌服務。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際行業(yè)展覽會資源以及豐富的媒體經(jīng)驗，提供媒體、活動、展會等整合營銷服務。
粵公網(wǎng)安備 44030402000264號
