Azure 語音合成再添新聲音，“風格遷移”技術為不同音色實現多情感演繹

微軟 Azure Neural TTS（神經網絡版文本轉語音）新增五種聲音模型，讓我們再次體會到了“風格遷移”技術對 AI 語音模型多情感多風格的強大支持。

此次更新的五個美式英語聲音模型，包括青春甜美的 Jane、低沉溫和的 Nancy、隨性且精力充沛的 Davis、響亮激昂的 Jason 和沙啞粗獷的 Tony。在“風格遷移”技術的支持下，不僅擁有開心 (cheerful)、傷心 (sad)、生氣 (angry)、興奮 (excited)、期待 (hopeful)、友好 (friendly)、不友好 (unfriendly) 和恐懼 (terrified) 等豐富的情感表現，還擁有首次運用的呼喊 (shouting) 和耳語 (whispering) 兩種表達方式。至此，用戶擁有可選擇的美式英語聲音模型已達到 20 個，豐富的情感和風格讓應用場景更加多元。

“風格遷移”技術的原理是把一個聲音模型的韻律和語調復制到另一個聲音模型上，從而讓后者在本身音色不變的前提下，也可以擁有前者說話的韻律和語調。過去，聲音風格的搭建主要依靠錄音演員錄制各種風格的聲音數據，再使用錄音數據來生成多風格的智能語音模型，但是一名錄音演員難以演繹所有風格的聲音。風格遷移技術創新地解決了這一問題，可以高效地賦予多 AI 聲音情感和風格。

聲音風格和聲音情感模型的持續更新，讓 Azure Neural TTS 的合成語音在多種業務場景中得到了廣泛應用，讓用戶感受到了更逼真的語音體驗。例如，游戲平臺可以快速為角色生成多種情感聲音，為游戲增添更多符合情節的個性化表達，讓虛擬游戲世界栩栩如生。“State of Decay”（腐爛國度）的創作者 —— 微軟亡靈工作室 (Undead Labs) 的使命是為游戲開創嶄新的方向，他們在游戲開發中就應用了 Azure Neural TTS。推出過包括“Psychonauts 2”（精神病患者 2）在內的多款游戲的 Double Fine 工作室，也正在利用 Azure Neural TTS 制作未來游戲項目的原型。音頻解決方案提供商 Remixd 在其平臺中集成了 Azure Neural TTS 的聲音模型 Jenny 和 Davis，讓其客戶在創建音頻內容時有了更多選擇。

關于 Azure Neural TTS

微軟 Azure Neural TTS 是 Azure 認知服務中強大的語音合成功能，能夠讓開發人員使用 AI 技術將文本轉換為逼真的聲音。截止目前，微軟 Azure Neural TTS 支持全球 140 個國家和地區的語言，提供 400 個聲音模型，可加速聲音的自動化生產，幫助各種企業更快地訓練出滿足業務場景的聲音，打造出專屬的聲音品牌 —— 無論是呼叫中心、語音助手、有聲書制作、聊天機器人、語音導購，還是影視劇 / 動漫配音、自媒體短視頻、情感電臺、教育培訓等場景。

持續的技術迭代和版本更新，讓 Azure Neural TTS 可以為更多企業、更多場景提供逼真、自然、接地氣的聲音體驗。同時，微軟的所有技術進步都接受微軟負責任的 AI 流程的指導，遵循公平、包容、可靠性與安全性、透明、隱私與保障、負責的原則，并通過微軟內部的負責任人工智能辦公室 (ORA)，人工智能、倫理與工程研究委員會 (Aether)，以及負責任 AI 戰略管理團隊 (RAISE) 來監督、實施這些道德標準。