看懂黑科技丨世界首部人工智能配音紀(jì)錄片創(chuàng)新中國誕生 1月18日，紀(jì)錄片《創(chuàng)新中國》在北京舉辦首映式，影視視頻制作企業(yè)宣傳片制作片中涉及了大量最新科研成就，比如光量子計算機、中國空間站計劃、智能制造等，讓人驚嘆我國進來的科學(xué)成就。內(nèi)容吸引人，配音更是一大亮點。這部紀(jì)錄片是我國，也是世界首部采用人工智能技術(shù)配音的紀(jì)錄片。片中使用了合成的央視播音員李易的聲音，為我們展示了語音合成中重要的組成——個性特征的語音合成技術(shù)首先，我們先簡短介紹下李易。李易是央視著名播音員，2013年因病去世，曾為《再說長江》、《大明宮》、《美麗中國》、《人類星球》、《遷徙的鳥》等多部紀(jì)錄片及影視作品配音，那句熟悉的“這里是中央電視臺電XX頻道”，就是李易的聲音。9招用好自然光攝影?！秳?chuàng)新中國》中還原“配音大師”李易的聲音，不僅讓我們重溫了經(jīng)典之聲，還讓一項技術(shù)——個性化語音合成，走到了更多人視野里個性化語音合成技術(shù)的基礎(chǔ)是語音合成技術(shù)，語音合成技術(shù)是讓計算機具有“說”的能力，目前語音合成系統(tǒng)產(chǎn)品已經(jīng)有了廣泛的應(yīng)用, 在清晰度、自然度方面都已經(jīng)基本能讓使用者接受。但隨著粉絲經(jīng)濟和影視行業(yè)等領(lǐng)域的發(fā)展，使用者更期望計算機可以按照多種不同風(fēng)格 、不同個性特征來說話 ，這就是個性化語音合成技術(shù)要解決的問題個性化語音合成技術(shù)是建立在語音合成和語音識別技術(shù)的基礎(chǔ)上的 , 是人機交互中重要的組成部分 , 是對語音合成技術(shù)的豐富與延拓 。本草綱目是笑話大全修改版，個性化語音合成可以讓計算機發(fā)出的語音增加個性 , 從而使語音合成具有更多的表現(xiàn)力個性化語音合成技術(shù)可以通過對不同說話人語音特征的分析 , 建立說話人的語音參數(shù) , 通過參數(shù)控制現(xiàn)有的語音合成系統(tǒng) , 從而實現(xiàn)個性化語音的合成。簡單來說就是讓機器發(fā)出你想要聽到的人的聲音。它是一門交叉型學(xué)科，現(xiàn)實中的物質(zhì)罪惡正好剛剛開始，涉及到通訊、計算機、人工智能、語音學(xué)、語言學(xué)、信號處理等技術(shù)個性特征語音合成技術(shù)可以分為四個階段進行：一是語音采集階段 、二是語音分析和特征提取階段 、三是特征修改和轉(zhuǎn)換階段、四是個性特征合成階段 在語音采集階段，需要在安靜的室內(nèi)環(huán)境下錄制特征人的語音 、建立音庫，并將原始語音進行音素切分、濾波增強、儲存處理等語音分析和特征提取階段，需要提取特征參數(shù)、建立說話人特征模型 在特征修改和轉(zhuǎn)換階段，如果轉(zhuǎn)化文字，首先需要提取已建好的模型，6位導(dǎo)師告訴你行業(yè)真相！找出每個字對應(yīng)的拼音波形，然后組成完整的話。如果轉(zhuǎn)化語音，還需要把語音轉(zhuǎn)化為文字，再進行以上操作在個性特征語音合成模擬階段，需根據(jù)原聲韻律、說話頻次等特點進行調(diào)整與完善，然后生成個性語音文件 個性語音合成技術(shù)的應(yīng)用范圍十分廣泛，可以應(yīng)用在娛樂、影視、導(dǎo)航、數(shù)碼、醫(yī)學(xué)、企業(yè)宣傳片制作語音偽裝等領(lǐng)域應(yīng)用個性語音合成技術(shù)，可以達到用特定人的聲音來朗讀各類文字，在聽書、導(dǎo)航等領(lǐng)域可以得到很大的應(yīng)用。在聊天或是唱歌的情況下，人們會用到變聲器，而使用了個性語音合成技術(shù)的變聲器，可以讓人發(fā)出某位特定人的聲音，這在娛樂領(lǐng)域的前景是十分廣泛的在影視配音中，往往需要大量的配音演員 , 而且配音演員與原演員的說話特征可能會有很大的差距。為準(zhǔn)確反映演員的個性特征 , 可以將配音演員的聲音中加入原來演員的一些聲音的個性特征參數(shù) , 這樣就可以使電影配音效果更加理想 。在動畫片和紀(jì)錄片中，個性語音合成技術(shù)也可以得到更多地利用在醫(yī)學(xué)領(lǐng)域，通過個性化語音合成技術(shù), 可幫助聾啞人說話 , 也可提高聲道受損的人的語音可懂度 。如喉切除手術(shù)后的病人，主要利用氣管、食管進行發(fā)音，所發(fā)出的語音噪音成分大，清晰度低 。采用聲源取代等技術(shù)可以大幅度地提高語音的清晰度 , 并恢復(fù)說話人的個性特征 在較為特殊的語音偽裝領(lǐng)域，語音發(fā)送方將表征個性特征的語音參數(shù)去除, 在接收端進行根據(jù)個性特征模型合成出原來的語音 。如果在傳輸過程中被偵聽 , 則聽到的是另外一個說話人的聲音 , 達到說話人偽用 目前，在語音識別、語音合成方面的技術(shù)已經(jīng)較為完善，科大訊飛、谷歌等公司在這方面已經(jīng)做出了很多的研究。但是由于聲音特征計算難度大、模型提取復(fù)雜等因素，個性語音合成技術(shù)的研究成果和產(chǎn)品還很少，發(fā)展空間還有很大。之前百度在其世界大會中復(fù)原過張國榮的聲音，在一些娛樂明星的演唱會中，這項技術(shù)也露出過“尖尖角”，但都比較簡短。這次在《創(chuàng)新中國》中，大段還原了李易的聲音，可謂是國內(nèi)個性化語音合成技術(shù)的一大飛躍。在未來，個性化語音合成技術(shù)能夠應(yīng)用于數(shù)碼產(chǎn)品中后，可能也會像如今的全面屏、屏下指紋解鎖等概念一樣，成為一個很大的賣點。