“少小離家老大回，鄉(xiāng)音無改鬢毛衰。”

方言，不僅是地域風(fēng)物的承載，更是人與故土聯(lián)結(jié)的情感紐帶。隨著人們對智能語音需求的越來越多元化，更具鄉(xiāng)土氣息、更具情感聯(lián)結(jié)的方言語音正成為智能語音合成的熱門方向。

近期，云知聲基于語音合成技術(shù)，上線方言合成功能，以 AI 傳遞鄉(xiāng)音鄉(xiāng)情。

1AI遇上方言，“智”取鄉(xiāng)音一片

伴隨普通話的推廣普及，以及城市流動(dòng)人口的增加，方言正悄悄退出人們的生活，一些地方方言甚至瀕臨失傳的境遇。讓方言走進(jìn)日常，以更多樣化的形式“活”起來，已成為當(dāng)前方言保護(hù)工作的重中之重。

為助力鄉(xiāng)音傳續(xù)，同時(shí)也更好滿足人們對智能語音的多樣化需求，云知聲基于最新語音合成深度學(xué)習(xí)技術(shù)，全面學(xué)習(xí)方言音色、風(fēng)格，合成貼近真人的“數(shù)字鄉(xiāng)音”，讓人工智能的科技溫度浸潤到多個(gè)智能語音應(yīng)用場景——

對智能家居而言，用熟悉的鄉(xiāng)音和用戶對話，既能夠慰藉用戶身居異地的思鄉(xiāng)之情，也有助于打造產(chǎn)品差異化優(yōu)勢，更好開拓下沉市場；在智能客服領(lǐng)域，很多老人、弱勢群體既不會講普通話，也聽不懂普通話，方言的引入能夠大大減少雙方溝通成本，提高服務(wù)效率；直播間里，搞笑幽默的方言既能夠讓直播內(nèi)容更有趣味性，也迎合了受眾聽鄉(xiāng)音、知鄉(xiāng)情的心理需求，增加了用戶黏性……

2遷移學(xué)習(xí)，讓方言合成成為現(xiàn)實(shí)

讓人工智能“說”出一口普通話已然不易，合成方言更是難上加難。

一直以來，方言合成存在兩大難點(diǎn)：

一是難以獲取大量高質(zhì)量的語音數(shù)據(jù)和對應(yīng)的文本信息,二是不同地區(qū)的方言之間相互獨(dú)立，在音調(diào)、聲母、韻母等方面有所差異，很難進(jìn)行精確的發(fā)音和韻律標(biāo)注，這無疑增加了數(shù)據(jù)標(biāo)注和技術(shù)開發(fā)的難度。

利用遷移學(xué)習(xí)技術(shù)，云知聲解決了以上問題，得以在短時(shí)間內(nèi)將單個(gè)發(fā)音人的音色合成粵語、四川話等方言以及英語等外語。

針對部分方言的特性，云知聲先是通過超大規(guī)模的高質(zhì)量普通話數(shù)據(jù)，訓(xùn)練得到端到端聲學(xué)模型和神經(jīng)網(wǎng)絡(luò)聲碼器等基礎(chǔ)模型；然后，利用較大規(guī)模低質(zhì)量的方言數(shù)據(jù)對基礎(chǔ)模型進(jìn)行遷移學(xué)習(xí)，使其能更好地適應(yīng)方言的語音特點(diǎn)；最后，使用少量較高質(zhì)量的方言數(shù)據(jù)再次對基礎(chǔ)模型進(jìn)行遷移學(xué)習(xí)，最終訓(xùn)練得到方言合成模型。

在遷移學(xué)習(xí)技術(shù)的支持下，云知聲TTS已實(shí)現(xiàn)粵語、四川話及純正美音的合成，可覆蓋人機(jī)對話、影視配音、直播帶貨等多種場景需求，助力更多客戶實(shí)現(xiàn)方言及個(gè)性化聲音解決方案的落地。

通過方言合成技術(shù)，云知聲數(shù)字人也得以開口說“鄉(xiāng)音”，熟練“掌握”多種方言，甚至做到流暢切換。

自由切換多種方言的數(shù)字人

除了方言合成，此次，云知聲TTS還上線了rap合成功能，即使用戶五音不全，也能秒變說唱歌手，輕松玩轉(zhuǎn)freestyle。

從智能家居到呼叫中心，從生活?yuàn)蕵返睫k公學(xué)習(xí)，云知聲智能語音技術(shù)正不斷打破場景限制，讓AI以更豐富的聲音形象融入日常。

目前，云知聲TTS已上線28種發(fā)音人音色、64種音色風(fēng)格，極大程度上滿足了用戶的多場景合成語音應(yīng)用需求。

面向未來，云知聲TTS將繼續(xù)解鎖更多音色、風(fēng)格，覆蓋更多應(yīng)用場景，全力滿足客戶的個(gè)性化、差異化定制需求。

審核編輯：湯梓紅