阿里公布新语音合成技术,97%接近原始录音

近日,阿里巴巴对外发布了,由达摩院机器智能实验室自主研发的新一代语音合成技术KAN-TTS。据阿里巴巴介绍,新的语音技术可大幅提高合成语音与真人发声的相似度,并将语音合成定制成本降低10倍以上。阿里方面还称,当前业界商用系统的合成语音与原始音频录音的接近程度通常在85%到90%之间,而基于KAN-TTS技术的合成语音可将该数据提高到97%以上。

nEO_IMG_timg (1).jpg

资料显示,语音合成是通过机械的、电子的方法产生人造语音的技术。TTS技术(又称文语转换技术)隶属于语音合成,它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。语音合成和语音识别技术是实现人机语音通信,建立一个有听和讲能力的口语系统所必需的两项关键技术。使电脑具有类似于人一样的说话能力,是当今时代信息产业的重要竞争市场。和语音识别相比,语音合成的技术相对说来要成熟一些,并已开始向产业化方向成功迈进。

nEO_IMG_timg (2).jpg

此次推出的KAN-TTS,由达摩院机器智能实验室自主研发,深度融合了目前主流的端到端TTS技术和传统TTS技术,从多个方面改进了语音合成。传统语音合成定制需要10小时以上的数据录制和标注,对录音人和录音环境要求很高。从启动定制到最终交付,项目周期长成本高。


而现在,阿里利用Multi-Speaker Model与Speaker-aware Advanced Transfer Learning相结合的方法,将语音合成定制成本降低10倍以上,周期压缩3倍以上。也就是说,用1小时有效录音数据和不到两个月制作周期,就能完成一次标准TTS定制。此外,这使得普通用户定制“AI声音”的门槛更低,只需手机录音十分钟,就能获得与录制声音高度相似的合成语音。

nEO_IMG_timg.jpg

在语音合成领域,阿里已经推出了诸如天猫精灵等商用产品。天猫精灵是阿里巴巴人工智能实验室开发的第一款智能语音助手,也是其消费级AI产品研发的首批成果。据阿里巴巴A.I. Labs产品与运营总经理杜海涛介绍称,“过去18个月里,我们完成了110亿次的天猫精灵唤醒,回答了用户100亿个问题,并且我们认识了1500万中国人。过去我们的技能增长了120%,同时我们现在已经覆盖了市面上70%以上可连接的家庭设备”。在新技术的成功推广之下,广大用户将能通过天猫听到更富情感、更加人性化的语音服务了。


【本文图片来自网络】

踩(0)

最新文章

相关文章

大家都在看