Microsoft Azure 人工智能認(rèn)知服務(wù)首席技術(shù)官黃學(xué)東表示，該公司基于“自定義神經(jīng)語(yǔ)音”技術(shù)的文本轉(zhuǎn)語(yǔ)音（TTS）功能已經(jīng)正式推出。據(jù)悉，自 2019 年 9 月開(kāi)放預(yù)覽以來(lái)，這項(xiàng)技術(shù)已被 AT&T、多鄰國(guó)、Progressive 和瑞士電信等組織用于開(kāi)發(fā)讓客戶(hù)感到滿(mǎn)意的品牌語(yǔ)音解決方案。

(來(lái)自：Microsoft)

　　黃學(xué)東表示，開(kāi)發(fā)者可使用其音頻數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)(DNN)打造個(gè)性化的語(yǔ)音體驗(yàn)。不過(guò)這項(xiàng)技術(shù)的切實(shí)突破，體現(xiàn)在能夠高效利用深度學(xué)習(xí)技術(shù)來(lái)處理文本，以確保 TTS 發(fā)音和韻律的準(zhǔn)確無(wú)誤。

　　所謂韻律，特指每個(gè)音素的音調(diào)和持續(xù)時(shí)間。微軟 AI 技術(shù)研究人員將之無(wú)縫地結(jié)合到了一起，以盡可能地再現(xiàn)類(lèi)似真人的語(yǔ)音。此外，自定義神經(jīng)語(yǔ)音技術(shù)能夠帶來(lái)較傳統(tǒng) TTS 語(yǔ)音轉(zhuǎn)換更自然的效果。

　　具體說(shuō)來(lái)是，微軟借助了“語(yǔ)音字庫(kù)”(Voice Fonts)和多種神經(jīng)網(wǎng)絡(luò)，來(lái)確保持續(xù)時(shí)間和每個(gè)因素音調(diào)的準(zhǔn)確性，讓機(jī)器學(xué)習(xí)模型推導(dǎo)出聽(tīng)起來(lái)更自然的合成語(yǔ)音。

　　Getting started with Custom Neural Voice(via)

　　對(duì)此感興趣的客戶(hù)，只需將其錄制的基礎(chǔ)語(yǔ)音庫(kù)上傳到 Custom Neural Voice 平臺(tái)展開(kāi)模型訓(xùn)練，然后就能產(chǎn)出自然的合成語(yǔ)音，且期間無(wú)需開(kāi)發(fā)者的更多干預(yù)。

　　微軟詳細(xì)介紹了包括華納兄弟和 AT&T 在內(nèi)的多家公司的實(shí)際用例，比如你可以在達(dá)拉斯的 AT&T 體驗(yàn)店與 Bugs Bunny 展開(kāi)互動(dòng)。

　　對(duì)于語(yǔ)音助手、客服聊天機(jī)器人、有聲書(shū)朗讀、以及在線學(xué)習(xí)等應(yīng)用場(chǎng)景來(lái)說(shuō)，這項(xiàng)技術(shù)顯得特別實(shí)用。不過(guò)為了防止被惡意利用，微軟還是決定對(duì)其開(kāi)放有限的訪問(wèn)。

　　除了需要預(yù)先獲得批準(zhǔn)，微軟還計(jì)劃在合成語(yǔ)音中加入數(shù)字水印，以便人們可據(jù)此分辨聽(tīng)到的是由 Custom Neural Voice 技術(shù)創(chuàng)建的合成語(yǔ)音內(nèi)容。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類(lèi)作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。