聲音作為有聲閱讀中重要環(huán)節(jié)，是如何實現(xiàn)的？
傳統(tǒng)的聲音獲取可以通過找專業(yè)的聲優(yōu)進行錄音或配音，而互聯(lián)網(wǎng)信息瞬息萬變，錄制的速度可能趕不上信息變化的速度，同時海量的內(nèi)容信息通過錄音工作量大且成本高，而人工智能技術(shù)的發(fā)展，語音合成技術(shù)改變了這一難題。
語音合成技術(shù)，從源頭解決聲音輸出的方式
極限元的語音合成技術(shù)采用國際先進的數(shù)據(jù)驅(qū)動技術(shù)，利用精心設計的語音語料庫進行聲學模型和文本處理模型的訓練，得到的模型深度挖掘了語音語言特性，合成的語音清晰、自然、親切、具有高表現(xiàn)力，媲美真人發(fā)聲。
極限元的語音合成技術(shù)能夠?qū)崿F(xiàn)有聲閱讀下的多種平臺多種場景的應用，如提供新聞資訊播報平臺、小說詩歌閱讀APP、音頻公眾號、智能音箱等。
適配于多用戶多場景下的“閱讀”體驗
在面對多種人群多種閱讀內(nèi)容形式時，單一的合成語音已經(jīng)不能滿足需求，極限元語音合成能夠提供各類型男聲、女生及童聲。
還可根據(jù)用戶需求定制個性化音色服務，如：林志玲的嗲氣十足、郭德綱幽默逗趣、游戲動漫角色聲、各類方言等。極限元定制化語音合成支持錄音人選型、錄音采集、語料標注，還能實現(xiàn)模型迭代訓練、合成引擎優(yōu)化，支持在線、離線模式，適用于多種平臺。
極限元語音合成技術(shù)優(yōu)勢體現(xiàn)
數(shù)字、符號在生活中無處不在，同樣也充斥在閱讀的文本中，那么不同的數(shù)字，符號代表不同的意思，該如何處理呢？極限元語音合成技術(shù)能夠根據(jù)數(shù)字的上下文語境，做出智能判斷，以確保朗讀的正確性，例如10:12，可以表示十點十二分，也可能是比分十比十二，這就需要根據(jù)其上下文語境進行判斷。
而對于符號，極限元語音合成技術(shù)能正確判斷這些符號的讀法，以及其符號與相鄰文本(數(shù)字)朗讀的先后順序。比如RMB100讀作“100元人民幣”，40%-50%讀作“百分之四十到百分之五十”。
語音合成技術(shù)中，讓聲音富有情感和表現(xiàn)力，一直是語音合成的一大難點，而極限元為了保證合成語音真實、自然、富有情感，適用于多種場景下，積極地與國際接軌。其創(chuàng)始團隊源自中科院自動化研究所并成立“智能交互聯(lián)合實驗室”，號稱語音合成界的“黃埔軍校”；在人工智能領域有20多年技術(shù)積累，在國際會議和期刊上發(fā)表論文400余篇，申請語音及音頻領域?qū)＠?00余項；作為負責人、科研骨干參與多項國家自然基金項目、國家863項目和國家重點研發(fā)計劃等項目，獲得多媒體情感競賽第二名、北京市自然科學進步二等獎、中國專利獎優(yōu)秀獎、北京科技進步獎、Eurospeech大會獎等多種獎項。
