语音合成

1. 背景介绍自 2017 年 10 月推出有道翻译蛋开始，网易有道已先后推出了二十余款智能学习硬件产品，包含有道翻译王、有道口袋打印机、有道超级词典、有道词典笔、有道听力宝等。 其中，有道词典笔创始了智能词典笔品类，间断两年获天猫、京东销量第一，并广受用户好评。 在近期有道词典笔的全新软件降级中（关联浏览：全新软件降级！真的很有料），有两个重要的优化，别离是： 发音靠近真人，辞别机械式 发音准确度晋升，正确朗诵多音词 利用成果：首先，咱们进一步降级了发音零碎，使中英发音尽可能靠近真人。 为了给用户带来更好的体验，有道 AI 团队选取了多种真人发音素材，从来自公司外部、实在用户和 native speakers 等人群中选取足够大的样本发放考察问卷，从发音准确度、音色青睐度等方面进行打分，并和业余的发音进行比拟，最终选取了目前版本中的音色。 一个彩蛋 在咱们选取的发音中，不乏一些明星语音，小伙伴们能够猜猜她是谁？ Who is she？（01） Who is she？（02） （答案在文末揭晓） 在语言学习场景中，机械式的发音不仅让人感觉枯燥乏味，而且会影响书面语学习的成果。最天然、最现实的交互莫过于通过人的声音进行交换。如何让智能学习硬件的发音靠近真人，是一个重要的课题。 中文： 机械式发音 - 中文 有道有限靠近真人发音 - 中文 英文： 机械式发音 - 英文 有道有限靠近真人发音 - 英文 同时，通过有道 AI 团队对语言模型的一直训练，有道词典笔的发音准确度再一次失去冲破，在扫描句子的过程中，有道词典笔能够疾速预判语义，轻松读对一些英语学习者和 AI 都非常容易读错的单词，比方「多音词」。 以蕴含“read过来式”的句子为例，咱们来听听有道词典笔的发音和传统机械式发音： She picked up the letter and read it. 她拿起信读了起来。 在本句中，动词 read 是过来式，应读作/red/。 传统计划 - 误读多音词 有道 - 精准朗诵多音词 这些能力的背地，是有道 TTS 语音合成技术的加持。本文将会具体介绍有道 TTS 技术的相干思考和实际。 ...

东京奥运落幕，本届中国代表团取得了38金32银18铜的好问题，金牌数追平了加入境外奥运会的最佳战绩！此次奥运会期间，基于百度大脑当先的语音技术，百度智能云助力央视体育客户端，携手为用户带来真人般的语音播报，打造奥运赛事新体验。 作为奥运会赛事新闻的重要平台，央视体育客户端除了图文展现奖牌信息外，本届奥运会期间新增的智能语音播报模式更是备受用户好评。这背地离不开百度智能云的技术支持，央视体育客户端携手百度智能云，集成高度拟人、晦涩天然的语音合成服务，打造出奥运赛事的智能语音播报新模式，在夺冠之后进行图文智能音频推送，为用户带来及时的奥运赛事状况，感触奥运的独特魅力。  有了百度智能云语音合成服务，无论你身处何方，都能疾速、精确的获取最新赛事动静，不会错过每一个夺冠时刻。 语音合成服务，带来真人般的播报体验 奥运赛事信息传递要及时，更要智能化。为给用户带来优质、多元的奥运体验，用好 AI 技术很要害。 央视体育客户端集成了百度智能云语音合成服务，该能力采纳了百度大脑自主研发的并行 WaveRNN 合成技术，合成后的语音高度拟人，情感和韵律表现力大幅晋升，当夺冠后及时播报，让用户享受到真人播报般的体验。 当先的技术劣势：高度拟人、晦涩天然 WaveRNN 合成技术，以发音片段为根本合成单元，多个发音片段并行合成，每个片段外部以自回归的形式串行合成。同时，为了保障发音片段之间 WaveRNN 隐状态的连续性，应用隐状态预测网络为每个发音片段提供初始隐状态，无效解决了并行合成带来的 WaveRNN 隐状态中断问题，保障了并行合成的高质量。 另一方面，采纳 CPU 和 GPU 异构计算，优化合成效率，软硬件协同减速，克服了原始 WaveRNN 实时率低的行业难题。这种基于发音片段的隐状态间断 WaveRNN 并行实时语音合成技术，极大推动了语音合成技术从传统的参数和拼接零碎向 Neural TTS 零碎的改革，使百度有能力在业内率先实现了基于 RNN 神经声码器的大规模工业化部署。 此外，提供磁性男声、甘甜女声、可恶童声等格调多样的音库，中文、中英文混读也齐全没问题。同时，百度智能云为了帮忙客户定制出优质的合成声音，还反对定制语音解决方案，贴近真人发音成果，具备高还原度、高清晰度、高稳定性等劣势，百度智能云能疾速满足客户的业务需要，为客户量身打造声音。 多场景利用，优质体验就在你身边 除了奥运赛事播报，百度智能云语音合成技术的利用场景还有很多，而且就在你的身边。 浏览听书：应用语音合成技术的浏览类 APP，可能为用户提供多种音库的朗诵性能，开释用户的双手和双眼，提供更极致的浏览体验，比方大家罕用的掌阅、七猫小说等产品，都利用了百度智能云的语音合成技术。 资讯播报：提供专为新闻资讯播报场景打造的特色音库，让手机、音箱等设施化身业余主播，随时随地为用户播报陈腐资讯，为用户带来了多元的新闻体验。 订单播报：出门打车，餐厅叫号、排队软件等场景中，咱们都能听到订单播报。百度智能云与嘀嗒出行等客户单干，独特打造订单播报利用，让用户便捷取得告诉信息。 智能硬件：通过将语音合成技术集成到儿童故事机、智能机器人、平板设施等智能硬件设施，使用户与设施的交互更天然、更亲切，比方，百度智能云曾经将该技术利用于 Aimouse、儒博科技等智能硬件中，为用户带来更强的互动性。  加码各种体育赛事，出现竞技较量精彩，面向未来，百度智能云将充分发挥 AI 技术劣势，持续打造智能化创新性服务，满足客户多场景需要，让宽广用户有如亲临赛场，真正感触到 AI 技术带来的体育赛事新体验。 点击链接：  https://cloud.baidu.com/produ... ，理解在线语音合成具体性能。 百度AI开发者社区https://ai.baidu.com/forum ，为全国各地开发者提供一个交换、分享、答疑解惑的平台，让开发者在研发路上不再“孤军奋战”，通过一直地交换与探讨找出更好的技术解决方案。如果你想尝试各种人工智能技术、开辟利用场景，赶快退出百度AI社区，你对 AI 的所有畅想，在这里都能够实现！ 扫描下方二维码，增加小助手微信「京东卡、小度定制周边、神秘礼盒、行李箱」等更多福利你来拿~