8 月 18 日消息 智能語(yǔ)音技術(shù)的飛速發(fā)展，讓 AI 合成語(yǔ)音的聽(tīng)感更加自然、逼真，讓越來(lái)越多企業(yè)實(shí)現(xiàn)了與客戶的多模態(tài)互動(dòng)?；谖④?Azure 云平臺(tái)創(chuàng)建聲音定制服務(wù)定制的專屬個(gè)性化聲音，已被廣泛應(yīng)用在諸如語(yǔ)音助手、聊天機(jī)器人、在線學(xué)習(xí)、有聲讀物或新聞播報(bào)等多種使用場(chǎng)景。

　　傳統(tǒng)上，完成一個(gè)定制聲音時(shí)間周期長(zhǎng)、復(fù)雜度高。需要發(fā)音人錄制成千上萬(wàn)句語(yǔ)料作為訓(xùn)練數(shù)據(jù)，再由擁有深度神經(jīng)網(wǎng)絡(luò)和語(yǔ)音合成專業(yè)背景的專家針對(duì)客戶的語(yǔ)音數(shù)據(jù)進(jìn)行聲學(xué)模型和語(yǔ)音合成器的訓(xùn)練及調(diào)優(yōu)，整個(gè)過(guò)程往往需要數(shù)月的時(shí)間。微軟推出基于深度神經(jīng)網(wǎng)絡(luò)的聲音定制服務(wù)，所需訓(xùn)練數(shù)據(jù)更少，只要 300 至 2000 句語(yǔ)料數(shù)據(jù)(約 30-120 分鐘);訓(xùn)練調(diào)優(yōu)的難度和復(fù)雜度更加簡(jiǎn)化，即使沒(méi)有深度神經(jīng)網(wǎng)絡(luò)和語(yǔ)音合成專業(yè)背景的用戶也可實(shí)現(xiàn)自助訓(xùn)練，得到媲美人類發(fā)音的效果。用戶需注冊(cè) Azure 云平臺(tái) Speech Studio，申請(qǐng)獲得深度神經(jīng)網(wǎng)絡(luò)聲音定制權(quán)限后，即可一鍵完成個(gè)性化聲音模型的訓(xùn)練，并快速部署 API，適用于各種場(chǎng)景的應(yīng)用開(kāi)發(fā)。

　　除平臺(tái)自助服務(wù)，微軟專家還可為有需求的客戶提供包括聲音畫(huà)像設(shè)計(jì)、發(fā)音人選擇、錄音指導(dǎo)、模型評(píng)估和調(diào)優(yōu)等全流程的語(yǔ)音定制支持和輔導(dǎo)，幫助英國(guó) BBC 廣播公司、Swisscom 瑞士電信、美國(guó) AT&T 旗下的華納兔八哥體驗(yàn)店、美國(guó) Progressive 前進(jìn)保險(xiǎn)公司、Duolingo 多鄰國(guó)和國(guó)內(nèi)的小米、華人運(yùn)通等不同行業(yè)的客戶成功打造了自己的專屬定制聲音。

　　據(jù)悉，美國(guó) AT&T 體驗(yàn)店兔八哥語(yǔ)音助手，采用了微軟的聲音定制服務(wù)，并以兔八哥配音演員的授權(quán)聲音創(chuàng)建了這一虛擬動(dòng)畫(huà)人物的語(yǔ)音模型，以奇趣的風(fēng)格與顧客對(duì)話，回答常見(jiàn)的問(wèn)題，增強(qiáng)了顧客粘性。

　　微軟 AI 語(yǔ)音技術(shù)在 AT & T 體驗(yàn)店的兔八哥上的應(yīng)用：

 

　　Flo 是美國(guó) Progressive 前進(jìn)保險(xiǎn)公司打造的虛擬銷售助理，性格樂(lè)觀開(kāi)朗、俏皮可愛(ài)。幾年前，美國(guó)前進(jìn)保險(xiǎn)公司就邀請(qǐng)專業(yè)配音演員使用微軟的聲音定制服務(wù)為 Flo 配音，讓 Flo 可以自然地交流互動(dòng)，深得客戶喜愛(ài)，打破了大眾對(duì)智能語(yǔ)音客服機(jī)械感的固有認(rèn)識(shí)。

　　語(yǔ)言學(xué)習(xí)公司多鄰國(guó)通過(guò)使用微軟的聲音定制服務(wù)，為 9 個(gè)各具特色的卡通角色分別定制了個(gè)性化聲音，讓語(yǔ)言學(xué)習(xí)更加趣味十足。同時(shí)，這一服務(wù)支持多語(yǔ)言能力，可以讓每一個(gè)卡通角色同時(shí)會(huì)英語(yǔ)、西班牙語(yǔ)、法語(yǔ)、德語(yǔ)、日語(yǔ)等多國(guó)語(yǔ)言。

　　作為一家平臺(tái)型公司，微軟表示，在降低技術(shù)門(mén)檻，促進(jìn)技術(shù)普惠的同時(shí)，也在堅(jiān)持負(fù)責(zé)任地使用人工智能，并以公平、可靠與安全、隱私與保障、包容、透明、負(fù)責(zé)六個(gè)基本道德準(zhǔn)則指導(dǎo)人工智能的發(fā)展和應(yīng)用。

　　微軟基于深度神經(jīng)網(wǎng)絡(luò)的聲音定制技術(shù)與微軟 Azure 認(rèn)知服務(wù)的更多內(nèi)容查看，點(diǎn)此鏈接。

特別提醒：本網(wǎng)信息來(lái)自于互聯(lián)網(wǎng)，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。