虽然日常和你对话的 Siri 声音机械|英伟达用AI给纪录片配音：情绪节奏稳稳拿捏不说根本听不出来

虽然日常和你对话的Siri声音机械，还常常胡乱断句，但实际上，最新的技术进展显示， AI的语音合成能力已经可以说得上是以假乱真。
比如英伟达，最近就发布了一个更懂节奏、更具感情的语音合成AI 。
在英伟达的纪录片中，她的自我介绍口齿清晰自不必说，气息顿挫、情绪把控，播音员范儿绝对够正。
帧级控制合成语音
英伟达将在9月3日的语音技术顶会Interspeech2021上展示该项目的最新成果。
不过，其背后的技术，此前就已经帮助自家数字人在SIGGRAPHReal-TimeLive上摘下了最佳展示奖。

文章图片
核心是名为RAD-TTS的语音合成方法。
这是一个并行的端到端TTS模型。与此前的并行方法不同， RAD-TTS将语音节奏作为一个单独的生成分布来建模。如此，在推理过程中，语音的持续时间就能被更好地控制。

文章图片
从RAD-TTS的演示界面中也可以看出，用户可以在帧级别上控制合成语音的音调、持续时间和节奏力度。

文章图片
研究人员还介绍， RAD-TTS既可以将任意文本转换成说话人的声音，也可以将一个说话人的声音（甚至是歌声）转换成另一个人的声音。
也就是说，合成语音的制作人可以像指导配音演员一样去“指导”AI ，让它学会哪个单词应该重点突出、节奏如何把控更符合创作基调等等。
机器语音能有多真实？
其实，不只是英伟达，此前，小冰也发布过超级自然语音技术。
把一句人类的语音混进小冰的语音里，你能分辨到底哪一句来自真正的人类吗？
不过，小冰公司CEO李笛此前曾表示， AI的声音太接近真人，就很有可能被滥用。因此小冰禁止为普通个人训练声音。
但这样的技术，也正在通过电台、便利店等更多商业场景，走进人们的日常生活。
【虽然日常和你对话的 Siri 声音机械|英伟达用AI给纪录片配音：情绪节奏稳稳拿捏不说根本听不出来】来源：量子位

虽然日常和你对话的 Siri 声音机械|英伟达用AI给纪录片配音：情绪节奏稳稳拿捏 不说根本听不出来

虽然日常和你对话的 Siri 声音机械|英伟达用AI给纪录片配音：情绪节奏稳稳拿捏不说根本听不出来