導(dǎo)讀：5月21日搜狗輸入法就化身為了現(xiàn)實(shí)版的變聲“阿笠博士”，正式推出“變聲”功能。搜狗輸入聲鍵

　　該功能由搜狗知音團(tuán)隊(duì)支持，法功北京西城外圍預(yù)約（高端外圍）外圍vx《189-4143》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達(dá)可以將任意說話人的線支聲音實(shí)時(shí)變換到指定說話人的音色。

　　不再是持千動(dòng)畫，也不再是人千科幻想象，AI再次帶來夢想成真一刻。轉(zhuǎn)換

　　在動(dòng)畫片《名偵探柯南》中，變聲阿笠博士送給柯南的搜狗輸入聲鍵變聲領(lǐng)結(jié)是柯南破案的重要道具，得益于它，法功柯南可以將聲音偽裝成其他人，線支在不暴露身份的持千北京西城外圍預(yù)約（高端外圍）外圍vx《189-4143》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達(dá)情況下巧妙破案。

　　但或許你未曾想過，人千有一天，轉(zhuǎn)換這個(gè)變聲領(lǐng)結(jié)會(huì)真的變聲出現(xiàn)在現(xiàn)實(shí)世界中，并且只需要在手機(jī)上輕輕一點(diǎn)就可以實(shí)現(xiàn)完美變聲。

　　沒錯(cuò)，現(xiàn)在通過搜狗輸入法就OK。

　　現(xiàn)實(shí)版“柯南變聲領(lǐng)結(jié)”

　　今天（5月21日），搜狗輸入法就化身為了現(xiàn)實(shí)版的“阿笠博士”，正式推出“變聲”功能。

　　該功能由搜狗知音團(tuán)隊(duì)支持，可以將任意說話人的聲音實(shí)時(shí)變換到指定說話人的音色。

　　簡而言之，只要用戶在語音輸入中輸入想說的話，再選擇一個(gè)喜愛的角色，就會(huì)瞬間把聲音轉(zhuǎn)化成該角色的聲音，效果直逼柯南的“變聲領(lǐng)結(jié)”。

　　雖然效果實(shí)現(xiàn)起來一步到位，但背后技術(shù)實(shí)現(xiàn)并不簡單。

　　搜狗知音的語音技術(shù)團(tuán)隊(duì)，克服了諸多難以想象的現(xiàn)實(shí)困難。

　　其中最核心的問題是，每一個(gè)人的音調(diào)、音色和語言節(jié)奏都不盡相同，正如同世上沒有兩片相同的樹葉一樣，世上也沒有兩個(gè)完全相同的說話人。

　　如何將“千人千聲”通過技術(shù)處理，變?yōu)橥环N指定聲音，同時(shí)還不丟失原說話人的語言習(xí)慣？

　　這不僅搜狗面臨的挑戰(zhàn)，也是國際上承認(rèn)的技術(shù)難題。

　　技術(shù)剖析

　　搜狗知音主要從語音表征學(xué)習(xí)、語音合成等領(lǐng)域的展開突破。

　　首先，搜狗知音團(tuán)隊(duì)使用表征學(xué)習(xí)技術(shù)，先學(xué)習(xí)到源端說話人語音的音色、內(nèi)容和韻律三大特征。

　　其次，將學(xué)習(xí)到的源端說話人音色特征替換成目標(biāo)說話人。

　　最后，基于搜狗知音的端到端語音合成技術(shù)，使用內(nèi)容(源端)、韻律(源端)、音色(目標(biāo)端)三類特征合成最終變聲音頻，達(dá)到各個(gè)方位的相似和自然。

　　在表征學(xué)習(xí)上，對目標(biāo)音色語料進(jìn)行聲紋特征編碼，提取說話人的音色embedding，再分別從輸入音頻中學(xué)習(xí)內(nèi)容和韻律embedding。

　　把“說話人歸一化”模塊對內(nèi)容embedding進(jìn)行統(tǒng)一規(guī)整，去除音色信息。

　　通過對音頻特征的壓縮編碼及特征抽取，學(xué)習(xí)表征韻律的風(fēng)格特征。

　　然后基于表征學(xué)習(xí)得到的特征，通過Attention和Decoder模塊進(jìn)行加權(quán)特征編碼，并利用WaveRNN神經(jīng)網(wǎng)絡(luò)聲碼器恢復(fù)成波形，最終得到帶有目標(biāo)音色的音頻。

　　這樣一來，由源端音色到指定音色的轉(zhuǎn)化就變得輕易而精密了。

　　在以上技術(shù)原理的支持下，搜狗知音的“變聲”功能擁有三大功能亮點(diǎn)：

　　首先，還原度極高，變聲到指定角色的音色與該角色的原始音色十分相似，幾乎可以做到以假亂真。

　　其次，自由空間大，搜狗這一“變聲”功能對用戶本身的音色沒有任何限制，每個(gè)人均可變聲到預(yù)先指定的音色，真正具有“任意人變聲到同一人”的能力。

　　最后，搜狗知音打破了音色轉(zhuǎn)換的局限，將用戶輸入的語音內(nèi)容、語速、停頓、情感等均轉(zhuǎn)化為超高逼真度的指定角色聲音，因此可以達(dá)到更自然的變聲溝通。

　　目前，在搜狗知音“變聲”功能中可供選擇的角色橫跨互聯(lián)網(wǎng)、明星類、動(dòng)漫類等多個(gè)類別，有近20種聲音，包含周星馳、蠟筆小新、小豬佩奇等多個(gè)經(jīng)典的角色，甚至還收錄了搜狗CEO王小川的聲音。

　　在聊天過程中，用戶可以使用他們的聲音完成“變裝”，增添聊天過程中的趣味程度。

　　當(dāng)然，用戶一鍵使用最新技術(shù)的背后，也離不開工程師們的付出。

　　而且在類似的國際前沿的技術(shù)突破領(lǐng)域，中國AI公司正在用研究和論文打響名氣。

　　在搜狗知音團(tuán)隊(duì)此次最新技術(shù)發(fā)布前，搜狗還聯(lián)合清華天工研究院在5月17日的語音頂級峰會(huì)ICASSP 2019上，發(fā)布了關(guān)于“基于模態(tài)注意力的端到端音視覺語音識別”的學(xué)術(shù)論文。

　　全球AI華山論劍，中國創(chuàng)新正在 making different~

本文地址：http://www.aiseesoft.com.cn/html/157f343896404.html