Azure 語(yǔ)音合成再添新聲音，“風(fēng)格遷移”技術(shù)為不同音色實(shí)現多情感演繹

微軟 Azure Neural TTS（神經(jīng)網(wǎng)絡(luò )版文本轉語(yǔ)音）新增五種聲音模型，讓我們再次體會(huì )到了“風(fēng)格遷移”技術(shù)對 AI 語(yǔ)音模型多情感多風(fēng)格的強大支持。

此次更新的五個(gè)美式英語(yǔ)聲音模型，包括青春甜美的 Jane、低沉溫和的 Nancy、隨性且精力充沛的 Davis、響亮激昂的 Jason 和沙啞粗獷的 Tony。在“風(fēng)格遷移”技術(shù)的支持下，不僅擁有開(kāi)心 (cheerful)、傷心 (sad)、生氣 (angry)、興奮 (excited)、期待 (hopeful)、友好 (friendly)、不友好 (unfriendly) 和恐懼 (terrified) 等豐富的情感表現，還擁有首次運用的呼喊 (shouting) 和耳語(yǔ) (whispering) 兩種表達方式。至此，用戶(hù)擁有可選擇的美式英語(yǔ)聲音模型已達到 20 個(gè)，豐富的情感和風(fēng)格讓?xiě)脠?chǎng)景更加多元。

“風(fēng)格遷移”技術(shù)的原理是把一個(gè)聲音模型的韻律和語(yǔ)調復制到另一個(gè)聲音模型上，從而讓后者在本身音色不變的前提下，也可以擁有前者說(shuō)話(huà)的韻律和語(yǔ)調。過(guò)去，聲音風(fēng)格的搭建主要依靠錄音演員錄制各種風(fēng)格的聲音數據，再使用錄音數據來(lái)生成多風(fēng)格的智能語(yǔ)音模型，但是一名錄音演員難以演繹所有風(fēng)格的聲音。風(fēng)格遷移技術(shù)創(chuàng )新地解決了這一問(wèn)題，可以高效地賦予多 AI 聲音情感和風(fēng)格。

聲音風(fēng)格和聲音情感模型的持續更新，讓 Azure Neural TTS 的合成語(yǔ)音在多種業(yè)務(wù)場(chǎng)景中得到了廣泛應用，讓用戶(hù)感受到了更逼真的語(yǔ)音體驗。例如，游戲平臺可以快速為角色生成多種情感聲音，為游戲增添更多符合情節的個(gè)性化表達，讓虛擬游戲世界栩栩如生?！癝tate of Decay”（腐爛國度）的創(chuàng )作者 —— 微軟亡靈工作室 (Undead Labs) 的使命是為游戲開(kāi)創(chuàng )嶄新的方向，他們在游戲開(kāi)發(fā)中就應用了 Azure Neural TTS。推出過(guò)包括“Psychonauts 2”（精神病患者 2）在內的多款游戲的 Double Fine 工作室，也正在利用 Azure Neural TTS 制作未來(lái)游戲項目的原型。音頻解決方案提供商 Remixd 在其平臺中集成了 Azure Neural TTS 的聲音模型 Jenny 和 Davis，讓其客戶(hù)在創(chuàng )建音頻內容時(shí)有了更多選擇。

關(guān)于 Azure Neural TTS

微軟 Azure Neural TTS 是 Azure 認知服務(wù)中強大的語(yǔ)音合成功能，能夠讓開(kāi)發(fā)人員使用 AI 技術(shù)將文本轉換為逼真的聲音。截止目前，微軟 Azure Neural TTS 支持全球 140 個(gè)國家和地區的語(yǔ)言，提供 400 個(gè)聲音模型，可加速聲音的自動(dòng)化生產(chǎn)，幫助各種企業(yè)更快地訓練出滿(mǎn)足業(yè)務(wù)場(chǎng)景的聲音，打造出專(zhuān)屬的聲音品牌 —— 無(wú)論是呼叫中心、語(yǔ)音助手、有聲書(shū)制作、聊天機器人、語(yǔ)音導購，還是影視劇 / 動(dòng)漫配音、自媒體短視頻、情感電臺、教育培訓等場(chǎng)景。

持續的技術(shù)迭代和版本更新，讓 Azure Neural TTS 可以為更多企業(yè)、更多場(chǎng)景提供逼真、自然、接地氣的聲音體驗。同時(shí)，微軟的所有技術(shù)進(jìn)步都接受微軟負責任的 AI 流程的指導，遵循公平、包容、可靠性與安全性、透明、隱私與保障、負責的原則，并通過(guò)微軟內部的負責任人工智能辦公室 (ORA)，人工智能、倫理與工程研究委員會(huì ) (Aether)，以及負責任 AI 戰略管理團隊 (RAISE) 來(lái)監督、實(shí)施這些道德標準。