在小年夜，中央電視臺《經(jīng)典詠流傳》第二季節(jié)目中出現(xiàn)了一款“讀詩成曲”的在線互動小工具，用戶僅需要朗讀一段詩詞，就可以聽到用自己聲音演唱的經(jīng)典詩詞唱段。那這是怎么實現(xiàn)的呢？
原來，“讀詩成曲”的背后是思必馳提供的個性化歌聲合成算法。歌聲合成技術(shù)是語音合成（TTS，即Text to Speech)的衍生品，其關(guān)鍵區(qū)別在于韻律預(yù)測模型不同。在普通TTS系統(tǒng)中，通常有個韻律模型來根據(jù)句子的內(nèi)容和語調(diào)環(huán)境預(yù)測每個音素（音節(jié)）的時長和音高曲線。在歌聲合成中，這個韻律模型則更換成由樂譜來預(yù)測每個音素（音節(jié)）的時長和音高的歌曲韻律模型。最終的生成過程仍然跟語音合成類似，將韻律參數(shù)和頻譜參數(shù)結(jié)合，生成歌聲。
在“讀詩成曲”中，韻律預(yù)測模型可以使得機器根據(jù)人說話的語調(diào)合成歌曲，且根據(jù)唱段的韻律和節(jié)奏調(diào)整音調(diào)，這又是如何實現(xiàn)的呢?思必馳北京研發(fā)院院長兼副總裁初敏博士告訴36氪：韻律方面，思必馳在原有歌曲韻律模型的基礎(chǔ)上增加了個性化學習技術(shù)，結(jié)合曲庫和名曲唱段的特征生成相應(yīng)的韻律曲線，使歌曲韻律特征盡量接近名曲唱段的特點；在語調(diào)方面，思必馳應(yīng)用了聲學模型的個性化學習技術(shù)，使得生成的頻譜參數(shù)盡量接近用戶的聲音，通過將接近用戶的頻譜參數(shù)和接近名曲唱段的韻律參數(shù)結(jié)合，就能生成用戶“原聲”唱出的“經(jīng)典”曲調(diào)了。
36氪注意到，這并非思必馳首次將個性化歌聲合成技術(shù)運用于泛娛樂領(lǐng)域，此前在央視節(jié)目《機智過人》中，思必馳團隊的“小馳”機器人就曾用撒貝寧的聲音演唱過《好久不見》。不同于以往，此次“讀詩成曲”則在曲目和參與度上更為開放，支持任何用戶從既定曲庫中自選歌曲，曲庫主要來自節(jié)目第一季、第二季嘉賓的演唱曲目。
近兩年，語音合成技術(shù)進入商業(yè)落地加速期，除BAT大廠紛紛著眼外，此前36氪也曾報道過標貝科技等創(chuàng)業(yè)公司。除了在泛娛樂領(lǐng)域布局，思必馳又會如何將語音合成技術(shù)商業(yè)落地呢？據(jù)初敏博士透露，思必馳更多會將語音合成技術(shù)與語音識別、口語理解等算法配套，為泛物聯(lián)網(wǎng)領(lǐng)域產(chǎn)品提供全鏈路對話交互方案。
具體來說，思必馳當前的業(yè)務(wù)圍繞四個AI進行整體布局：AIOT、AI芯片、AIBOT、AI生態(tài)。AIOT業(yè)務(wù)在泛物聯(lián)網(wǎng)領(lǐng)域（包括智能車載、智能家居、智能玩具/機器人、智能手機等）提供軟件、軟硬一體化、Turnkey一站式等多樣化方案。在車聯(lián)網(wǎng)后裝、智能音箱、兒童平板/故事機、知識機器人等領(lǐng)域市場占有率均第一，在汽車前裝、電視/白電、智能客服等重點領(lǐng)域市場增速領(lǐng)先。未來，思必馳將以“云＋芯”戰(zhàn)略方向為主，整合智能終端方案能力與全渠道智慧服務(wù)能力，形成AllInOne解決方案，進入酒店、地產(chǎn)、物流、養(yǎng)老、醫(yī)療、教育、安全、社區(qū)等更多行業(yè)。
據(jù)悉，在語音合成領(lǐng)域，目前思必馳已可以提供標準男女聲、童聲、名人合成音等，在最新推出的DUI平臺VoiceShop中，提供100+特色的高自然度合成音，并為不同廠商提供個性化定制服務(wù)打造voice-IP。 在小年夜，中央電視臺《經(jīng)典詠流傳》第二季節(jié)目中出現(xiàn)了一款“讀詩成曲”的在線互動小工具，用戶僅需要朗讀一段詩詞，就可以聽到用自己聲音演唱的經(jīng)典詩詞唱段。那這是怎么實現(xiàn)的呢？
原來，“讀詩成曲”的背后是思必馳提供的個性化歌聲合成算法。歌聲合成技術(shù)是語音合成（TTS，即Text to Speech)的衍生品，其關(guān)鍵區(qū)別在于韻律預(yù)測模型不同。在普通TTS系統(tǒng)中，通常有個韻律模型來根據(jù)句子的內(nèi)容和語調(diào)環(huán)境預(yù)測每個音素（音節(jié)）的時長和音高曲線。在歌聲合成中，這個韻律模型則更換成由樂譜來預(yù)測每個音素（音節(jié)）的時長和音高的歌曲韻律模型。最終的生成過程仍然跟語音合成類似，將韻律參數(shù)和頻譜參數(shù)結(jié)合，生成歌聲。
在“讀詩成曲”中，韻律預(yù)測模型可以使得機器根據(jù)人說話的語調(diào)合成歌曲，且根據(jù)唱段的韻律和節(jié)奏調(diào)整音調(diào)，這又是如何實現(xiàn)的呢?思必馳北京研發(fā)院院長兼副總裁初敏博士告訴36氪：韻律方面，思必馳在原有歌曲韻律模型的基礎(chǔ)上增加了個性化學習技術(shù)，結(jié)合曲庫和名曲唱段的特征生成相應(yīng)的韻律曲線，使歌曲韻律特征盡量接近名曲唱段的特點；在語調(diào)方面，思必馳應(yīng)用了聲學模型的個性化學習技術(shù)，使得生成的頻譜參數(shù)盡量接近用戶的聲音，通過將接近用戶的頻譜參數(shù)和接近名曲唱段的韻律參數(shù)結(jié)合，就能生成用戶“原聲”唱出的“經(jīng)典”曲調(diào)了。
36氪注意到，這并非思必馳首次將個性化歌聲合成技術(shù)運用于泛娛樂領(lǐng)域，此前在央視節(jié)目《機智過人》中，思必馳團隊的“小馳”機器人就曾用撒貝寧的聲音演唱過《好久不見》。不同于以往，此次“讀詩成曲”則在曲目和參與度上更為開放，支持任何用戶從既定曲庫中自選歌曲，曲庫主要來自節(jié)目第一季、第二季嘉賓的演唱曲目。
近兩年，語音合成技術(shù)進入商業(yè)落地加速期，除BAT大廠紛紛著眼外，此前36氪也曾報道過標貝科技等創(chuàng)業(yè)公司。除了在泛娛樂領(lǐng)域布局，思必馳又會如何將語音合成技術(shù)商業(yè)落地呢？據(jù)初敏博士透露，思必馳更多會將語音合成技術(shù)與語音識別、口語理解等算法配套，為泛物聯(lián)網(wǎng)領(lǐng)域產(chǎn)品提供全鏈路對話交互方案。
具體來說，思必馳當前的業(yè)務(wù)圍繞四個AI進行整體布局：AIOT、AI芯片、AIBOT、AI生態(tài)。AIOT業(yè)務(wù)在泛物聯(lián)網(wǎng)領(lǐng)域（包括智能車載、智能家居、智能玩具/機器人、智能手機等）提供軟件、軟硬一體化、Turnkey一站式等多樣化方案。在車聯(lián)網(wǎng)后裝、智能音箱、兒童平板/故事機、知識機器人等領(lǐng)域市場占有率均第一，在汽車前裝、電視/白電、智能客服等重點領(lǐng)域市場增速領(lǐng)先。未來，思必馳將以“云＋芯”戰(zhàn)略方向為主，整合智能終端方案能力與全渠道智慧服務(wù)能力，形成AllInOne解決方案，進入酒店、地產(chǎn)、物流、養(yǎng)老、醫(yī)療、教育、安全、社區(qū)等更多行業(yè)。
據(jù)悉，在語音合成領(lǐng)域，目前思必馳已可以提供標準男女聲、童聲、名人合成音等，在最新推出的DUI平臺VoiceShop中，提供100+特色的高自然度合成音，并為不同廠商提供個性化定制服務(wù)打造voice-IP。
