支持情感、跨语言转换
动漫《名侦探柯南》里面,柯南有个变声蝴蝶结,有了这个变声器,柯南可以模仿任何人的声音,从而隐藏自己的身份,这个变声蝴蝶结就用到了语音转换。
思必驰最新推出语音转换技术,基于深度学习及高质量声码器,在保留说话人原始语音内容的同时,可以将说话人的音色转换为指定说话人的音色,同时,可保留原说话人的语速、频率、情感等风格特色,还支持英语、日语等多语言转换。目前,该技术可应用于视频配音、游戏娱乐、人工客服等场景。
语音转换(Voice Conversion, VC)即在保留语音内容的同时,将原说话人的音色转换成指定说话人的音色。在传统变声工具中,基于语音信号处理技术,可将个人音色转换为大叔音、萝莉音等音色,但此时的变声比较单一,仅仅是对音色进行改变,不能进行跨语言、多情感风格的转换,转换效果较为机械。
随着技术的不断发展,语音转换效果实现了从音色转换到情感风格转换的进步。近期,思必驰推出的声音转换技术具有情感转换、多语言转换、“千人单音”的特点。
(1)支持情感转换
在实际场景中,人类的语音会随着心情变化而发生语调变化,此时就需要声音转换技术对说话人的情感也能做出完美还原。目前,思必驰声音转换技术支持开心、沮丧、生气等情感的转换。
(2)支持多语言转换
思必驰语音转换技术不仅支持中文转换,还支持英语、日语转换,满足用户多语言需求。
(3)超高还原度,“千人单音”
思必驰声音转换技术可对音色进行高度还原,不论原始音色如何,都可以转换为指定音色,做到“千人单音”。
思必驰语音转换技术之所以能做到多风格、多语言的转换,主要运用到了深度学习、音色分离、高质量声码器等技术。声音转换模型由声学模型和声码器组成,声学模型通过内容编码器从录音中提取出发音内容、韵律、情感、风格,并通过音色编码器从目标角色音频中提取出音色特征,最后通过声码器转换为目标角色声音。
思必驰声音转换技术服务将支持云端在线服务及本地部署,在视频配音、人工客服、直播互动、游戏娱乐等领域有很大落地空间。
在动漫配音领域,动漫IP往往有固定的配音人员,有了声音转换技术以后,不同的配音人员均可以为该IP进行配音,避免因工作人员调动产生前后配音不一致的情况;在人工客服场景中,好听的声音往往更能打动消费者,通过声音转换技术,“甜美客服”不再一“声”难求。在日益发达的短视频领域,博主可通过声音转换技术为短视频配上具有特色的音频解说。
除语音转换外,思必驰在声音复刻、情感合成、“单人千音”等全链路语音交互技术上硕果累累,为智能语音的场景落地提供了多样化的选择。
未来,思必驰将基于DFM-2大模型,结合全链路语音交互技术进行技术联动,推动智能语音在各个领域的落地,助力产业数智化转型。
