搜狗输入法“变声”功能上线 支持千人千声一键转换 | {$randkws}热点解读 官方启动“变声”特性

　　导读：5月21日搜狗输入法就化身以便现实版的“阿笠博士”，官方启动“变声”特性。

　　该特性由搜狗知音团队扶持，可以将任意说话人的声音实时变换到指定说话人的音色。

　　不再是动画，也不再是资讯测评科幻想象，AI再次带来理想成真一刻。

　　在动画片《名侦探柯南》中，阿笠博士送给柯南的变声领结是柯南破案的重大道具，得益于它，柯南可以将声音伪装成其他人，在不暴露身份的夏季关注PlayStation状况下巧妙破案。

　　但或许你未曾想过，有一天，这个变声领结会真的出如今现实全球中，并且只需要在移动电话上轻轻一点就可以做到完美变声。

　　没错，如今经由搜狗输入法就OK。

　　现实版“柯南变声领结”

　　今日（5月21日），搜狗输入法就化身以便现实版的“阿笠博士”，官方启动“变声”特性。

　　该特性由搜狗知音团队扶持，可以将任意说话人的揭秘以旧换新攻略声音实时变换到指定说话人的音色。

　　简而言之，只要使用者在语音输入中输入想说的话，再挑选一个喜爱的人物，就会瞬间把声音转化成该人物的声音，效果直逼柯南的“变声领结”。

　　尽管效果做到起来一步到位，但背后技术做到并不简易。

　　搜狗知音的语音技术团队，克服了诸多难以想象的现实艰难。

　　其中最核心的难题是，每一个人的最新游戏本汇总音调、音色和语言节奏都不尽一样，正如同世上没有两片一样的树叶一样，世上也没有两个完全一样的说话人。

　　如何将“千人千声”经由技术处理，变为同一种指定声音，另外还不丢失原说话人的语言习惯？

　　这不只搜狗面临的考验，也是海外上承认的技术难题。

　　技术确认

　　搜狗知音首要从语音表征进修、语音合成等领域的展开革新。

　　先是，搜狗知音团队使用表征进修技术，先进修到源端说话人语音的音色、信息和韵律三大特征。

　　其次，将进修到的源端说话人音色特征替换成目标说话人。

　　最后，基于搜狗知音的端到端语音合成技术，使用信息(源端)、韵律(源端)、音色(目标端)三类特征合成最后变声音频，达到各个方位的相似和自然。

　　在表征进修上，对目标音色语料开展声纹特征编码，提取说话人的音色embedding，再分别从输入音频中进修信息和韵律embedding。

　　把“说话人归一化”模块对信息embedding开展统一规整，去除音色信息。

　　经由对音频特征的压缩编码及特征抽取，进修表征韵律的风格特征。

　　然后基于表征进修得到的特征，经由Attention和Decoder模块开展加权特征编码，并运用WaveRNN神经联网声码器重启成波形，最后得到带有目标音色的音频。

　　这样一来，由源端音色到指定音色的转化就变得轻易而精密了。

　　在以上技术原理的扶持下，搜狗知音的“变声”特性拥有三大特性亮点：

　　先是，还原度极高，变声到指定人物的音色与该人物的原始音色相当相似，差不多可以做到以假乱真。

　　其次，自由空间大，搜狗这一“变声”特性对使用者本身的音色没有任何限制，每个人均可变声到预先指定的音色，真正具有“任意人变声到同一人”的能力。

　　最后，搜狗知音打破了音色转换的局限，将使用者输入的语音信息、语速、停顿、情感等均转化为超高逼真度的指定人物声音，所以可以达到更自然的变声沟通。

　　当下，在搜狗知音“变声”特性中可供挑选的人物横跨互联网、艺人类、动漫类等多个类别，有近20种声音，包含周星驰、蜡笔小新、小猪佩奇等多个经典的人物，乃至还收录了搜狗CEO王小川的声音。

　　在聊天过程中，使用者可以使用他们的声音达成“变装”，增添聊天过程中的趣味程度。

　　自然，使用者一键使用新近技术的背后，也离不开工程师们的付出。

　　并且在相似的海外前沿的技术革新领域，中国AI企业正用探究和论文打响名气。

　　在搜狗知音团队此次新近技术亮相前，搜狗还联合清华天工探究院在5月17日的语音顶级峰会ICASSP 2019上，亮相了有关“基于模态注意力的端到端音视觉语音确认”的学术论文。

　　全球AI华山论剑，中国革新正 making different~