微軟AI智能語音技術(shù)實(shí)現(xiàn)多模態(tài)互動(dòng)：可應(yīng)用于在線學(xué)習(xí)、有聲讀物等場景

2021-08-19 09:43:59來源：IT之家

8 月 18 日消息智能語音技術(shù)的飛速發(fā)展，讓 AI 合成語音的聽感更加自然、逼真，讓越來越多企業(yè)實(shí)現(xiàn)了與客戶的多模態(tài)互動(dòng)。基于微軟 Azure 云平臺(tái)創(chuàng)建聲音定制服務(wù)定制的專屬個(gè)性化聲音，已被廣泛應(yīng)用在諸如語音助手、聊天機(jī)器人、在線學(xué)習(xí)、有聲讀物或新聞播報(bào)等多種使用場景。

傳統(tǒng)上，完成一個(gè)定制聲音時(shí)間周期長、復(fù)雜度高。需要發(fā)音人錄制成千上萬句語料作為訓(xùn)練數(shù)據(jù)，再由擁有深度神經(jīng)網(wǎng)絡(luò)和語音合成專業(yè)背景的專家針對客戶的語音數(shù)據(jù)進(jìn)行聲學(xué)模型和語音合成器的訓(xùn)練及調(diào)優(yōu)，整個(gè)過程往往需要數(shù)月的時(shí)間。微軟推出基于深度神經(jīng)網(wǎng)絡(luò)的聲音定制服務(wù)，所需訓(xùn)練數(shù)據(jù)更少，只要 300 至 2000 句語料數(shù)據(jù)(約 30-120 分鐘);訓(xùn)練調(diào)優(yōu)的難度和復(fù)雜度更加簡化，即使沒有深度神經(jīng)網(wǎng)絡(luò)和語音合成專業(yè)背景的用戶也可實(shí)現(xiàn)自助訓(xùn)練，得到媲美人類發(fā)音的效果。用戶需注冊 Azure 云平臺(tái) Speech Studio，申請獲得深度神經(jīng)網(wǎng)絡(luò)聲音定制權(quán)限后，即可一鍵完成個(gè)性化聲音模型的訓(xùn)練，并快速部署 API，適用于各種場景的應(yīng)用開發(fā)。

除平臺(tái)自助服務(wù)，微軟專家還可為有需求的客戶提供包括聲音畫像設(shè)計(jì)、發(fā)音人選擇、錄音指導(dǎo)、模型評估和調(diào)優(yōu)等全流程的語音定制支持和輔導(dǎo)，幫助英國 BBC 廣播公司、Swisscom 瑞士電信、美國 AT&T 旗下的華納兔八哥體驗(yàn)店、美國 Progressive 前進(jìn)保險(xiǎn)公司、Duolingo 多鄰國和國內(nèi)的小米、華人運(yùn)通等不同行業(yè)的客戶成功打造了自己的專屬定制聲音。

IT之家獲悉，美國 AT&T 體驗(yàn)店兔八哥語音助手，采用了微軟的聲音定制服務(wù)，并以兔八哥配音演員的授權(quán)聲音創(chuàng)建了這一虛擬動(dòng)畫人物的語音模型，以奇趣的風(fēng)格與顧客對話，回答常見的問題，增強(qiáng)了顧客粘性。

Flo 是美國 Progressive 前進(jìn)保險(xiǎn)公司打造的虛擬銷售助理，性格樂觀開朗、俏皮可愛。幾年前，美國前進(jìn)保險(xiǎn)公司就邀請專業(yè)配音演員使用微軟的聲音定制服務(wù)為 Flo 配音，讓 Flo 可以自然地交流互動(dòng)，深得客戶喜愛，打破了大眾對智能語音客服機(jī)械感的固有認(rèn)識(shí)。

語言學(xué)習(xí)公司多鄰國通過使用微軟的聲音定制服務(wù)，為 9 個(gè)各具特色的卡通角色分別定制了個(gè)性化聲音，讓語言學(xué)習(xí)更加趣味十足。同時(shí)，這一服務(wù)支持多語言能力，可以讓每一個(gè)卡通角色同時(shí)會(huì)英語、西班牙語、法語、德語、日語等多國語言。

作為一家平臺(tái)型公司，微軟表示，在降低技術(shù)門檻，促進(jìn)技術(shù)普惠的同時(shí)，也在堅(jiān)持負(fù)責(zé)任地使用人工智能，并以公平、可靠與安全、隱私與保障、包容、透明、負(fù)責(zé)六個(gè)基本道德準(zhǔn)則指導(dǎo)人工智能的發(fā)展和應(yīng)用。

標(biāo)簽：微軟智能語音