阿里公布新语音合成技术 录音10分钟定制AI语音 - 科技行者

科技行者 7月10日 yabo大额靠谱消息:近日,阿里发布新一代语音合成技术KAN-TTS,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AI的这项突破,将问世80年的语音合成(TTS)技术推向几可乱真的水平,有望通过图灵测试。

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%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。

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。

阿里利用Multi-Speaker ModelSpeaker-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。

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。阿里AI做到这一点,主要基于自动数据检查、自动标注方法和对海量用户场景的利用。

阿里已经对外提供开箱即用的TTS解决方案,共有通用、客服、童声、英文和方言5个场景的34种高品质声音供选择。

基于新一代技术,阿里还显着提高了设备端离线TTS的效果。这在超低资源设备端的TTS服务中非常有用,比如当人们驾车行驶于信号微弱区域,阿里技术能避免语音导航“掉线”。

热闻

晨光推荐

晨光娱乐

晨光汽车