1. 創(chuàng)業(yè)頭條
  2. 前沿領(lǐng)域
  3. 人工智能
  4. 正文

真假難辨?獵戶星空10段話克隆你的聲音!

 2018-11-06 12:02  來(lái)源:互聯(lián)網(wǎng)  我來(lái)投稿 撤稿糾錯(cuò)

  域名預(yù)訂/競(jìng)價(jià),好“米”不錯(cuò)過(guò)

今日,獵豹移動(dòng)董事長(zhǎng)兼CEO傅盛在自己的抖音號(hào)上發(fā)布了一條視頻。作為一名“科技樂(lè)觀主義者”,傅盛和世界上的另一個(gè)“自己”進(jìn)行了一場(chǎng)隔空對(duì)話。短短幾十秒里,機(jī)器人“傅盛”的對(duì)答、繞口令樣樣精通。即使是仔細(xì)辨別,你也很難確認(rèn)哪一個(gè)才是真正的傅盛。

能夠達(dá)到如此驚艷的效果,其實(shí)要?dú)w功于獵豹移動(dòng)旗下人工智能公司獵戶星空研發(fā)的語(yǔ)音合成技術(shù)。只要聽十段你的話,就可以克隆你的聲音,聽起來(lái)是不是很炫酷?

在人機(jī)交互的過(guò)程中,與用戶體驗(yàn)感直接相關(guān)的,就是語(yǔ)音合成技術(shù)。這項(xiàng)技術(shù)是將文字轉(zhuǎn)化為聲音,可以簡(jiǎn)單地理解為人類的嘴巴。大家在各種智能語(yǔ)音助手中聽到的聲音,都是由TTS來(lái)生成的。所以,讓TTS合成的語(yǔ)音能夠“以假亂真”,正是TTS領(lǐng)域長(zhǎng)期以來(lái)不斷探索的主題。

傳統(tǒng)的TTS都是怎么做的?

在看獵戶星空如何實(shí)現(xiàn)“以小取大”的效果時(shí),我們可以先看看以往的TTS是如何實(shí)現(xiàn)的。

傳統(tǒng)的TTS系統(tǒng)通常包括前端、后端兩個(gè)模塊。前端模塊主要負(fù)責(zé)對(duì)輸入文本進(jìn)行分析,提取語(yǔ)言學(xué)信息,如果是中文還涉及文本正則化、分詞、詞性預(yù)測(cè)、多音字消歧、韻律預(yù)測(cè)等,后端模塊根據(jù)前端的分析結(jié)果,通過(guò)一定的方法生成語(yǔ)音波形。

后端系統(tǒng)的主流技術(shù)有兩種,一種是基于統(tǒng)計(jì)參數(shù)建模的語(yǔ)音合成,或者叫做參數(shù)合成、參數(shù)法,優(yōu)點(diǎn)是所需語(yǔ)料庫(kù)少,幾千句即可,訓(xùn)練與合成過(guò)程也都可以由程序自動(dòng)完成,但缺點(diǎn)是語(yǔ)音質(zhì)量不高,情感韻律平淡。

現(xiàn)在大家地圖導(dǎo)航軟件中的聽到的明星音,針對(duì)導(dǎo)航場(chǎng)景錄制了幾千句的語(yǔ)料,不僅聲音生澀感強(qiáng),而且需要的成本和周期較長(zhǎng),在其他領(lǐng)域的聲音效果不是很好。如果用戶預(yù)期不苛刻,這樣一種方式也未嘗不可。

另一種是基于單元挑選和波形拼接的語(yǔ)音合成,或者叫做拼接合成、拼接法,與參數(shù)法相反,優(yōu)點(diǎn)是合成語(yǔ)音自然度很好,缺點(diǎn)就是數(shù)據(jù)要求太大,至少萬(wàn)句語(yǔ)料才能滿足商用需求,一些廠商會(huì)請(qǐng)聲優(yōu)為其智能產(chǎn)品錄制語(yǔ)料庫(kù),前后時(shí)間長(zhǎng)達(dá)數(shù)月,花費(fèi)動(dòng)輒幾百萬(wàn)。

獵戶星空:十段話合成人聲

魚和熊掌不可兼得,傳統(tǒng)的TTS存在著或多或少的問(wèn)題。所以這個(gè)領(lǐng)域的核心,在于如何降低訓(xùn)練成本,用更少的語(yǔ)料合成高質(zhì)量的聲音。

隨著人工智能、深度學(xué)習(xí)的應(yīng)用,TTS也迎來(lái)了新的變革。2017年3月,Google 提出了一種新的端到端的語(yǔ)音合成系統(tǒng):Tacotron。它可將接收的輸入字符,輸出成相應(yīng)的原始頻譜圖,然后提供給Griffin-Lim重建算法生成語(yǔ)音。2017年底,Tacotron 2結(jié)合了WaveNet和Tacotron的優(yōu)勢(shì),不需要任何語(yǔ)法知識(shí)即可直接輸出文本對(duì)應(yīng)的語(yǔ)音。

在已有的技術(shù)創(chuàng)新鋪墊下,獵戶星空TTS團(tuán)隊(duì)在Tactron的基礎(chǔ)上,訓(xùn)練了大語(yǔ)料庫(kù)的語(yǔ)音庫(kù)作為基礎(chǔ)模型,目標(biāo)發(fā)音人只需要錄制10段話,通過(guò)Adapt自適應(yīng)模型,提取出目標(biāo)發(fā)音人的特征,再通過(guò)World聲碼器,即可合成出目標(biāo)發(fā)音人音色相同的語(yǔ)音。

所以,這項(xiàng)技術(shù)真正落地商用后,將為明星語(yǔ)音、個(gè)性化語(yǔ)音的合成帶來(lái)重大突破,尤其是很大程度上減少明星音合成的成本、縮短應(yīng)用研發(fā)的周期。

想象一下,以后你的語(yǔ)音助手中住著你喜歡的明星或心愛(ài)的人,每天都可以和TA互動(dòng)聊天,仿佛TA就是你的私人小秘書,是不是有點(diǎn)小激動(dòng)呢?

除此之外,獵戶星空已掌握麥克風(fēng)陣列、語(yǔ)音喚醒、語(yǔ)音識(shí)別、語(yǔ)義理解和語(yǔ)音合成等全套遠(yuǎn)場(chǎng)語(yǔ)音技術(shù),語(yǔ)音交互更快更準(zhǔn),垂直領(lǐng)域深度語(yǔ)義理解正確率96%,還首創(chuàng)了喚醒后人聲回應(yīng)。

獵戶語(yǔ)音OS成為行業(yè)標(biāo)配

在上文提到技術(shù)能力支撐之下,獵戶星空打造了獵戶tts——這個(gè)星球最溫暖的AI聲音。目前獵戶語(yǔ)音OS技術(shù)已經(jīng)應(yīng)用到了小米小愛(ài)同學(xué)、美的小美AI音箱、喜馬拉雅小雅音箱、獵豹移動(dòng)小豹AI音箱、華為智能AI音箱等多家合作伙伴產(chǎn)品中,已經(jīng)成為行業(yè)標(biāo)配。

截至目前,搭載獵戶語(yǔ)音合成技術(shù)的智能音箱產(chǎn)品在國(guó)內(nèi)份額已超30%,每天都超過(guò)2000萬(wàn)次語(yǔ)音服務(wù)請(qǐng)求,比如小米AI助理小愛(ài)同學(xué)月活躍設(shè)備超過(guò)3000萬(wàn)臺(tái),累計(jì)喚醒超50億次。

10月15日,中國(guó)人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(AIIA)在人工智能開發(fā)者大會(huì)公布了國(guó)內(nèi)智能音箱智能化評(píng)級(jí)結(jié)果,包括獵豹移動(dòng)、小米、喜馬拉雅、百度、京東在內(nèi)的五家主流廠商攜其智能音箱產(chǎn)品參與了首批測(cè)試評(píng)估。獵戶語(yǔ)音OS占據(jù)了獲評(píng)產(chǎn)品前五強(qiáng)中的三席,支撐起了智能音箱市場(chǎng)的大半壁江山。

結(jié)合自身人機(jī)交互的產(chǎn)品基因和獵戶星空擁有的行業(yè)唯一的全鏈條AI技術(shù),獵豹移動(dòng)也在不同行業(yè)推動(dòng)人工智能產(chǎn)品的場(chǎng)景化落地。未來(lái),獵豹移動(dòng)與旗下獵戶星空還會(huì)將自主研發(fā)的視覺(jué)、導(dǎo)航、語(yǔ)音、機(jī)械臂技術(shù)等核心能力逐步對(duì)外開放,與合作伙伴一起,讓機(jī)器人產(chǎn)品走進(jìn)大眾生活。

申請(qǐng)創(chuàng)業(yè)報(bào)道,分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處,共同探討創(chuàng)業(yè)新機(jī)遇!

相關(guān)標(biāo)簽
ai技術(shù)
智能音箱
手機(jī)克隆

相關(guān)文章

  • 匯聚中國(guó)AI頂尖力量 云天勵(lì)飛參與華為AI大模型聯(lián)合創(chuàng)新

    2023年7月6日,第六屆世界人工智能大會(huì)(WAIC2023)在上海開幕,“人工智能大模型”是本屆大會(huì)的備受矚目的話題,據(jù)悉,在昇騰AI大模型的創(chuàng)新研發(fā)中,華為聯(lián)手26家行業(yè)領(lǐng)軍企業(yè),組建了一支協(xié)同創(chuàng)新的“AI明星隊(duì)”,云天勵(lì)飛作為中國(guó)人工智能企業(yè)的杰出代表,和互聯(lián)網(wǎng)大廠、運(yùn)營(yíng)商、科研院所等優(yōu)秀團(tuán)隊(duì)

    標(biāo)簽:
    ai技術(shù)
  • 用友大易:邁入AI招聘2.0時(shí)代,讓人力資源回歸本質(zhì)

    這幾個(gè)月來(lái),以ChatGPT為代表的生成式AI展現(xiàn)出的能力令世界驚嘆。自從2016年AlphaGo戰(zhàn)勝李世石掀起了一波AI浪潮后,AI仿佛已經(jīng)沉寂了很久,ChatGPT的橫空出世就如同一束耀眼的光芒,讓AI這個(gè)名詞重回C位。過(guò)去在AI1.0時(shí)代,主要通過(guò)訓(xùn)練模型來(lái)實(shí)現(xiàn)圖像識(shí)別、聲音識(shí)別、語(yǔ)言處理等特

    標(biāo)簽:
    ai技術(shù)
  • 新發(fā)布的PaaS2.0,能否助力涂鴉智能再起飛?

    文:互聯(lián)網(wǎng)江湖作者:志剛2023年的IoT需要一個(gè)新故事。6月29日,涂鴉智能在開發(fā)者大會(huì)上,發(fā)布了企業(yè)級(jí)戰(zhàn)略PaaS2.0,希望通過(guò)一個(gè)平臺(tái)+四大開發(fā)服務(wù),建立起IoT生態(tài)。對(duì)于這場(chǎng)發(fā)布會(huì),市場(chǎng)的態(tài)度是積極的。美東時(shí)間6月29日收盤,涂鴉智能美股股價(jià)上漲5.6%,來(lái)到1.87美元/股。近日股價(jià)穩(wěn)定

    標(biāo)簽:
    ai技術(shù)
  • 大模型難掩AI制藥的悲傷:越過(guò)山丘,無(wú)人等候

    美團(tuán)曾經(jīng)的二號(hào)人物王慧文對(duì)標(biāo)OpenAI的創(chuàng)業(yè)項(xiàng)目光年之外,以20億賣給美團(tuán),再度引發(fā)市場(chǎng)對(duì)大模型的熱議。

    標(biāo)簽:
    ai技術(shù)
  • 拾起王慧文的AI夢(mèng),美團(tuán)沖向“光年之外”?

    2020年底,王慧文在朋友圈寫下這句話時(shí),外界本以為這位伴隨中國(guó)互聯(lián)網(wǎng)發(fā)展而持續(xù)創(chuàng)業(yè)20年的人物即將告別創(chuàng)業(yè)舞臺(tái)。但是,一個(gè)曾經(jīng)多次創(chuàng)業(yè),正值壯年的互聯(lián)網(wǎng)老將心中的創(chuàng)業(yè)熱情是難以熄滅的。

    標(biāo)簽:
    ai技術(shù)
  • 庫(kù)克已納投名狀:蘋果AI沒(méi)得選,只能選百度

    蘋果16弄了兩個(gè)版本,一個(gè)是專門給中國(guó)人用的,準(zhǔn)備用百度的AI,還要交錢。第二個(gè)是全世界都可以用的,用了ChatGPT,包括臺(tái)灣、香港、澳門都可以用。以后都這樣了。好,問(wèn)題就出在這,蘋果和百度的合作出現(xiàn)問(wèn)題了,新聞連起來(lái)看,才能明白其中含義。新聞一:蘋果正在和騰訊、字節(jié)初步接洽,考慮將二者的AI模型

    標(biāo)簽:
    蘋果AI
    百度AI
    庫(kù)克
  • AI加速時(shí)代的“進(jìn)度條”,我們撥動(dòng)了百分之幾?

    “技術(shù)日新月異,人類生活方式正在快速轉(zhuǎn)變,這一切給人類歷史帶來(lái)了一系列不可思議的奇點(diǎn)。我們?cè)?jīng)熟悉的一切,都開始變得陌生。”計(jì)算機(jī)之父約翰·馮·諾依曼曾這樣說(shuō)到。

    標(biāo)簽:
    ai智能
  • AI視頻賽道,要變天了

    “毀滅你,與你何干?”,這是在劉慈欣的科幻小說(shuō)《三體》里用來(lái)形容人類與三體人之間的戰(zhàn)爭(zhēng)的一句話。

    標(biāo)簽:
    ai智能
  • “創(chuàng)造市場(chǎng)”與“算法進(jìn)化”,中美AI競(jìng)速的岔路口

    “人工智能的商業(yè)模式,是要?jiǎng)?chuàng)造一個(gè)市場(chǎng),而非一個(gè)算法”。這是世界AI泰斗MichaelI.Jordan的觀點(diǎn)。而當(dāng)前的全球AI市場(chǎng),占據(jù)主導(dǎo)地位的中美雙方,卻也走出了兩條截然不同的技術(shù)路徑,前者執(zhí)著于前沿技術(shù)的探索,后者則發(fā)力應(yīng)用優(yōu)化和商業(yè)化落地。南轅北轍的兩個(gè)方向,或許已經(jīng)無(wú)法直接進(jìn)行排位先后、優(yōu)

    標(biāo)簽:
    ai智能
  • 智能體進(jìn)化發(fā)展了一年,現(xiàn)在的RPA Agent迭代到什么程度了?

    智能體進(jìn)化發(fā)展了一年,現(xiàn)在的RPAAgent迭代到什么程度了?從實(shí)在智能最新發(fā)布的實(shí)在Agent7.0,看RPAAgent的迭代升級(jí)抓取豆瓣信息、自己制作PPT,這款A(yù)IAgent真的實(shí)現(xiàn)了流程全自動(dòng)化AIAgent構(gòu)建到執(zhí)行全自動(dòng)化,持續(xù)進(jìn)化RPAAgent再次降低智能體應(yīng)用門檻實(shí)在智能重磅發(fā)布實(shí)

  • 崔大寶:大模型降溫背后的難點(diǎn)、卡點(diǎn)、節(jié)點(diǎn)

    崔大寶|節(jié)點(diǎn)財(cái)經(jīng)創(chuàng)始人進(jìn)入2024年,大模型似乎有熄火之勢(shì):資本市場(chǎng),與之關(guān)聯(lián)的概念炒不動(dòng)了,英偉達(dá)股價(jià)動(dòng)輒暴跌重挫,引發(fā)“泡沫戳破”的擔(dān)憂;消費(fèi)市場(chǎng),BATH們的推新活動(dòng)少了,產(chǎn)品更新迭代的速度慢了,民眾的關(guān)注度降了……熱鬧的大概只剩下兩場(chǎng)酣仗:自5月15日字節(jié)跳動(dòng)宣布“以厘計(jì)費(fèi)”,打響國(guó)內(nèi)大模型

    標(biāo)簽:
    大模型
  • 這一屆“出道”的數(shù)字人,已經(jīng)拿捧上了“鐵飯碗”

    文|智能相對(duì)論作者|陳泊丞好消息!你心心念念的事業(yè)單位發(fā)錄取公告了!壞消息!他們沒(méi)錄你,錄了個(gè)數(shù)字人。圖片來(lái)源網(wǎng)絡(luò)隨著數(shù)字人技術(shù)的突破,越來(lái)越多的傳統(tǒng)企業(yè)和機(jī)構(gòu)開始用上了“數(shù)字員工”。甚至很多中國(guó)人心心念念的“鐵飯碗”,也被這些數(shù)字人給捧上了。數(shù)字人捧上了“鐵飯碗”簡(jiǎn)單翻看一下全國(guó)各地事業(yè)單位的“錄

    標(biāo)簽:
    數(shù)字人
  • 來(lái)到IPO關(guān)口,地平線離“三分天下”還有多遠(yuǎn)?

    黑芝麻智能敲鐘后,港交所門口又有一些智駕芯片企業(yè)引發(fā)關(guān)注。據(jù)悉,近日地平線已通過(guò)中國(guó)證監(jiān)會(huì)IPO備案,擬發(fā)行不超過(guò)11.5億股境外上市普通股并在香港聯(lián)合交易所上市,預(yù)計(jì)籌集約5億美元資金。從天眼查可以了解到,該公司成立于2015年,是一家乘用車高級(jí)輔助駕駛(ADAS)和高階自動(dòng)駕駛(AD)解決方案供

  • 機(jī)器人大會(huì)引領(lǐng)產(chǎn)業(yè)動(dòng)向,卓翼飛思繪制無(wú)人系統(tǒng)教科研新藍(lán)圖

    8月21日,萬(wàn)眾矚目的2024世界機(jī)器人大會(huì)暨博覽會(huì)在北京亦創(chuàng)國(guó)際會(huì)展中心盛大開幕。這場(chǎng)為期5天,集“展覽”“論壇”“賽事”于一體的機(jī)器人盛會(huì),反映了當(dāng)下機(jī)器人領(lǐng)域的繁榮生態(tài)。據(jù)官方統(tǒng)計(jì)數(shù)據(jù),今年現(xiàn)場(chǎng)逛展觀眾高達(dá)25萬(wàn)人次,比去年增加25%。機(jī)器人行業(yè)有多火?看看2024世界機(jī)器人大會(huì)火爆程度便可知

編輯推薦