阿里发布语音合成技术 与原始音频录音接近程度高达97%

7月10日下午消息,阿里巴巴发布新一代语音合成技术KAN-TTS,称可大幅提高合成语音与真人发声的相似度,并将语音合成定制成本降低10倍以上。该技术由达摩院机器智能实验室自主研发。

阿里方面称,当前业界商用系统的合成语音与原始音频录音的接近程度通常在85%到90%之间,而基于KAN-TTS技术的合成语音可将该数据提高到97%以上。

据悉,KAN-TTS由达摩院机器智能实验室自主研发,深度融合了目前主流的端到端TTS技术和传统TTS技术,从多个方面改进了语音合成。传统语音合成定制需要10小时以上的数据录制和标注,对录音人和录音环境要求很高。从启动定制到最终交付,项目周期长成本高。

阿里利用Multi-Speaker Model与Speaker-aware Advanced Transfer Learning相结合的方法,将语音合成定制成本降低10倍以上,周期压缩3倍以上。也就是说,用1小时有效录音数据和不到两个月制作周期,就能完成一次标准TTS定制。

此外,这使得普通用户定制“AI声音”的门槛更低。只需手机录音十分钟,就能获得与录制声音高度相似的合成语音。

推荐DIY文章
高通低调发布全新芯片——骁龙215 定位超低端
苹果或计划在今年发布第三代AirPods 并增加防水属性
苹果宣布HomePod将于今年夏天在日本推出 售价为32,800日元
鲁大师公布年中数据报告 排名前十均搭载高通骁龙855处理器
京东在“下沉市场”开展大规模的专卖店计划 主打电脑数码产品
盘点那些不起眼但好用又便宜的相机