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，也不再是成毅相关塞尔达引关注科幻想象，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，在不暴露身份的官方退圈传闻对比状况下巧妙破案。

　　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清晨关注折叠屏，相关话题阅读量破亿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，每一个人的清晨全面智能手机，建议收藏备用音调、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~