為了賦予合成聲音更豐富的情感表現(xiàn)力和個(gè)性化，打造AI語(yǔ)音極致體驗(yàn)，近期，標(biāo)貝科技再一次進(jìn)行語(yǔ)音合成技術(shù)“升級(jí)改造”，于3月25日完成TTS3.0版本的驗(yàn)收，正式上線標(biāo)貝科技官方網(wǎng)站。

　　01 全新技術(shù)升級(jí)，讓AI聲音更富表現(xiàn)力

　　標(biāo)貝科技升級(jí)的TTS3.0技術(shù)采用全新的非自回歸聲學(xué)模型，在發(fā)音效果上有了顯著提升，對(duì)不同角色和情感表達(dá)的判斷更加準(zhǔn)確，輸出的音質(zhì)穩(wěn)定、清晰、順暢，音色富有表現(xiàn)力；聲碼器則采用GAN結(jié)構(gòu)，可以高效且真實(shí)的還原波形，增加了合成聲音的真實(shí)質(zhì)感。

　　此外，標(biāo)貝科技TTS3.0在發(fā)音細(xì)節(jié)上也進(jìn)行了優(yōu)化。例如，基于Mask-basedModel神經(jīng)網(wǎng)絡(luò)多音字模型，對(duì)所有多音字進(jìn)行統(tǒng)一建模，提升了語(yǔ)音合成時(shí)多音字發(fā)音的準(zhǔn)確率；在韻律方面，采用多任務(wù)的神經(jīng)網(wǎng)絡(luò)模型，利用韻律間的層次關(guān)系，在同一個(gè)模型結(jié)構(gòu)下，對(duì)多個(gè)韻律等級(jí)進(jìn)行建模，對(duì)合成語(yǔ)音在高低音和停頓的處理更加自然和流暢。

　　標(biāo)貝科技本次TTS3.0使用了全新的聲學(xué)模型和聲碼器，同時(shí)，保持了對(duì)TTS2.0舊模型的全部兼容，最大程度地保證系統(tǒng)服務(wù)的無(wú)縫升級(jí)，減少老客戶升級(jí)帶來(lái)的開(kāi)發(fā)成本。

　　此前，基于海量語(yǔ)音數(shù)據(jù)的優(yōu)勢(shì)，在TTS1.0、TTS2.0技術(shù)基礎(chǔ)上，標(biāo)貝科技已經(jīng)推出男聲、女聲、老人、童聲等多音色，中文、英文、中英混讀、小語(yǔ)種、方言等多語(yǔ)種的解決方案，并支持用戶個(gè)性化的需求定制，可以滿足大部分客戶在車載、有聲閱讀、智能客服、新聞媒體、影視解說(shuō)等多領(lǐng)域應(yīng)用需求，并已與國(guó)內(nèi)外百余家企業(yè)客戶建立合作，服務(wù)項(xiàng)目累計(jì)超過(guò)500項(xiàng)。

　　本次TTS3.0技術(shù)升級(jí)，標(biāo)貝科技經(jīng)過(guò)多次大規(guī)模產(chǎn)品體驗(yàn)評(píng)測(cè)后，再次擴(kuò)充音庫(kù)量及場(chǎng)景化方案。在官方網(wǎng)站正式上線了9大音色，包括童聲、青年男女生，深度覆蓋有聲閱讀、語(yǔ)音交互、智能客服等領(lǐng)域更多場(chǎng)景需求。

圖：標(biāo)貝科技新音色列表

　　與TTS1.0、TTS2.0相同，本次TTS3.0同樣支持SDK、流式/非流式API、MRCP協(xié)議等對(duì)接形式，接口同步/異步調(diào)用，且整體合成速度較之前提升了1.6倍，全效助力各開(kāi)發(fā)者快速落地聲音場(chǎng)景應(yīng)用。

　　近些年，我國(guó)有聲書市場(chǎng)發(fā)展迅速，各大音頻平臺(tái)，閱讀應(yīng)用、視頻網(wǎng)站甚至是傳統(tǒng)出版行業(yè)也都嘗試進(jìn)入有聲書市場(chǎng)。據(jù)相關(guān)資料顯示，2020年中國(guó)有聲書市場(chǎng)規(guī)模已達(dá)到了95.6億元，同比增長(zhǎng)50.3%。5G時(shí)代的到來(lái)，有聲閱讀必將引起更大規(guī)模的爆發(fā)。

　　標(biāo)貝科技TTS3.0結(jié)合最新的語(yǔ)音技術(shù)、海量的文本和聲學(xué)數(shù)據(jù)以及大規(guī)模計(jì)算能力，讓機(jī)器的聲音情感表現(xiàn)力更加真實(shí)自然，充分滿足當(dāng)下有聲閱讀場(chǎng)景的需求。

　　比如有聲小說(shuō)中，最難表達(dá)的人物情緒和對(duì)話，TTS3.0技術(shù)做到很多細(xì)節(jié)的處理，讓合成的聲音突出對(duì)話重音及語(yǔ)氣，讓人物情感表達(dá)更加細(xì)膩，猶如真人“配音”，使聽(tīng)眾更直接明白小說(shuō)情節(jié)，進(jìn)一步享受聽(tīng)覺(jué)“盛宴”。

貝童
文本來(lái)源：睡前故事《螞蟻士兵》

貝茹
文本來(lái)源：約翰·伯恩《穿條紋睡衣的男孩》

貝明

　　標(biāo)貝科技作為一家聚焦智能語(yǔ)音交互和AI數(shù)據(jù)服務(wù)的企業(yè)，經(jīng)過(guò)五年的發(fā)展，現(xiàn)已推出了AI數(shù)字虛擬人、智能客服、智慧媒體等一站式解決方案；在產(chǎn)品方面，推出標(biāo)貝悅讀、恐龍貝克兩大C端產(chǎn)品，已經(jīng)實(shí)現(xiàn)從原有的單點(diǎn)語(yǔ)音技術(shù)服務(wù)升級(jí)至語(yǔ)音、圖像、虛擬形象等多技術(shù)模塊融合的行業(yè)解決方案。

　　標(biāo)貝科技TTS3.0技術(shù)升級(jí)，迎合了語(yǔ)音合成發(fā)展的新趨勢(shì)，將智能語(yǔ)音應(yīng)用提速增效，實(shí)現(xiàn)用戶極致體驗(yàn)新突破。未來(lái)，標(biāo)貝科技將繼續(xù)深耕智能語(yǔ)音技術(shù)研究與發(fā)展，為更多語(yǔ)音合成應(yīng)用場(chǎng)景提供服務(wù)。