聲音作為有聲閱讀中重要環(huán)節，是如何實(shí)現的？
傳統的聲音獲取可以通過(guò)找專(zhuān)業(yè)的聲優(yōu)進(jìn)行錄音或配音，而互聯(lián)網(wǎng)信息瞬息萬(wàn)變，錄制的速度可能趕不上信息變化的速度，同時(shí)海量的內容信息通過(guò)錄音工作量大且成本高，而人工智能技術(shù)的發(fā)展，語(yǔ)音合成技術(shù)改變了這一難題。
語(yǔ)音合成技術(shù)，從源頭解決聲音輸出的方式
極限元的語(yǔ)音合成技術(shù)采用國際先進(jìn)的數據驅動(dòng)技術(shù)，利用精心設計的語(yǔ)音語(yǔ)料庫進(jìn)行聲學(xué)模型和文本處理模型的訓練，得到的模型深度挖掘了語(yǔ)音語(yǔ)言特性，合成的語(yǔ)音清晰、自然、親切、具有高表現力，媲美真人發(fā)聲。
極限元的語(yǔ)音合成技術(shù)能夠實(shí)現有聲閱讀下的多種平臺多種場(chǎng)景的應用，如提供新聞資訊播報平臺、小說(shuō)詩(shī)歌閱讀APP、音頻公眾號、智能音箱等。
適配于多用戶(hù)多場(chǎng)景下的“閱讀”體驗
在面對多種人群多種閱讀內容形式時(shí)，單一的合成語(yǔ)音已經(jīng)不能滿(mǎn)足需求，極限元語(yǔ)音合成能夠提供各類(lèi)型男聲、女生及童聲。
還可根據用戶(hù)需求定制個(gè)性化音色服務(wù)，如：林志玲的嗲氣十足、郭德綱幽默逗趣、游戲動(dòng)漫角色聲、各類(lèi)方言等。極限元定制化語(yǔ)音合成支持錄音人選型、錄音采集、語(yǔ)料標注，還能實(shí)現模型迭代訓練、合成引擎優(yōu)化，支持在線(xiàn)、離線(xiàn)模式，適用于多種平臺。
極限元語(yǔ)音合成技術(shù)優(yōu)勢體現
數字、符號在生活中無(wú)處不在，同樣也充斥在閱讀的文本中，那么不同的數字，符號代表不同的意思，該如何處理呢？極限元語(yǔ)音合成技術(shù)能夠根據數字的上下文語(yǔ)境，做出智能判斷，以確保朗讀的正確性，例如10:12，可以表示十點(diǎn)十二分，也可能是比分十比十二，這就需要根據其上下文語(yǔ)境進(jìn)行判斷。
而對于符號，極限元語(yǔ)音合成技術(shù)能正確判斷這些符號的讀法，以及其符號與相鄰文本(數字)朗讀的先后順序。比如RMB100讀作“100元人民幣”，40%-50%讀作“百分之四十到百分之五十”。
語(yǔ)音合成技術(shù)中，讓聲音富有情感和表現力，一直是語(yǔ)音合成的一大難點(diǎn)，而極限元為了保證合成語(yǔ)音真實(shí)、自然、富有情感，適用于多種場(chǎng)景下，積極地與國際接軌。其創(chuàng )始團隊源自中科院自動(dòng)化研究所并成立“智能交互聯(lián)合實(shí)驗室”，號稱(chēng)語(yǔ)音合成界的“黃埔軍校”；在人工智能領(lǐng)域有20多年技術(shù)積累，在國際會(huì )議和期刊上發(fā)表論文400余篇，申請語(yǔ)音及音頻領(lǐng)域專(zhuān)利100余項；作為負責人、科研骨干參與多項國家自然基金項目、國家863項目和國家重點(diǎn)研發(fā)計劃等項目，獲得多媒體情感競賽第二名、北京市自然科學(xué)進(jìn)步二等獎、中國專(zhuān)利獎優(yōu)秀獎、北京科技進(jìn)步獎、Eurospeech大會(huì )獎等多種獎項。
