搜狗創新發布微信首款個性化TTS小程序——“故事大王”

【獵雲網（微信：ilieyun）北京】6月19日報導

近日，搜狗上線了一款名為“故事大王”的小程序，它基於搜狗知音引擎的語音合成能力，首次將個性化TTS技術落地到微信當中。用戶根據提示，錄製5分鐘左右的簡短音頻後，“搜狗故事大王”小程序就會自動生成用戶的個性化合成音色，小朋友就可以聽到用父母聲音講述的童話故事。

這樣一款實用的帶娃利器是不是很神奇？那它到底是如何快速準確地定製用戶個性化音色的？又是怎麽用合成音色聲情並茂地為小朋友講故事的呢？

顛覆傳統“機器音”，搜狗獨家提供個性化TTS技術

在專業領域，技術員們把“文本文件向語音的實時轉換”稱為TTS功能。還記得“哪裡不會點哪裡”的點讀機麽？這個曾經風靡一時的兒童英語學習神器就應用了這款功能，點讀筆掃描文本內容，再通過點讀機轉換成人聲朗讀出來。在其他諸如電子書閱讀、語音導航、語音提示等領域，TTS功能的應用也十分廣泛，但他們擁有一個共同的缺點，即只能實現文本向特定聲音模板的轉變，且聲音質量較為呆板，機器感十足。

使用過“搜狗故事大王”的用戶都知道，在該小程序上用戶可以定製自己專屬的個性化合成音色。然後就能隨時隨地的通過手機為小朋友講故事了，聽起來聲情並茂、自然流暢，明顯區別於以往的機器音。

這都得益於搜狗知音引擎獨創的個性化TTS合成技術，與傳統技術相比，“搜狗故事大王”具有高表現力，更趨於真人口音。此外，除了可以定製個性化聲音，還能使用該聲音實現任意文本的合成，搜狗是目前成功將兩項技術進行完美結合並成功落地的公司。

依托個性化TTS技術，“搜狗故事大王”對用戶錄製聲音的要求很低，不需要去專業錄音室、不需要長時間錄製。用戶只需5分鐘左右的操作，搜狗的後台技術模型就能自動精準排除噪點，完美複製原始聲音的各項數據，合成專屬定製的個性化音色。該合成音色的朗讀效果與真人相似度極高，可以做到“以假亂真”的地步。

堅持創新，克服難關，個性化定製終實現

搜狗獨家推出的個性化TTS技術，在技術研發層面具有很多的挑戰。

首先，聲音來源的清晰度直接影響後續音色的定製。但不可避免的是，日常生活中通過普通錄音設備，很難收集到噪音小、音質清的聲源。個性化TTS技術集成了搜狗知音引擎已有的信噪比檢測、口語評測、識別、降噪、去混響、高穩定性聲學參數提取與模型自適應、深度學習平台等多項前沿技術，並在此基礎上進行了突破。最終，“搜狗故事大王”終於交出一份滿意的答卷，讓用戶無需去專業錄音室錄音，在臥室、會議室和甚至車內等常見的環境下就可以進行聲音采集。

其次，如何為機器聲音賦有情感神經也是一大技術難點。人類擁有豐富的語言情感表達能力，是因為人的大腦皮層中有140億個神經元，模擬這樣一個人工智能大腦是不可能的。但是搜狗研發團隊找到了另一個開發途徑，一款基於人工智能的新技術——多目標學習技術。該技術可以同時學習三個目標對象，分別是表征音色的“說話人編碼器”、表征內容的“文本編碼器”和表征表現力的“風格編碼器”,再經過模擬融合進行表現力遷移，為呆板的合成聲音注入情感，使其聽起來更真實。

最後，搜狗還採用了國際領先的波形合成模型WaveRNN，讓最終輸出的音質擁有更好效果。

至此，“搜狗故事大王”這款小程序可以完美實現用戶聲音的個性定製，並通過這個AI合成聲音聲情並茂地為小朋友講故事了。“故事大王”作為搜狗知音引擎在人工智能領域開發出的又一創新應用，除了為當代人的日常生活提供了更大便捷性，也為智能科技研究領域提供了新選題，比如為未來人工智能機器人的開發提供語言系統搭建的參考，讓機器人言談更富情感，影視劇中的人機共享智能未來將成為現實。