在語音交互領(lǐng)域，語音合成是重要的一環(huán)，其技術(shù)也在不斷發(fā)展。近年來，人們對情感合成的興趣和需求越來越高。情感語音合成會讓機(jī)器如真人一樣和我們交流，它可以用憤怒的聲音、開心的聲音、悲傷的聲音等不同情緒來表達(dá)，甚至是不同強(qiáng)度的不同情緒。

而情感語音轉(zhuǎn)換技術(shù)可以在保持說話人身份和語言內(nèi)容不變的前提下，將語音從一種情感狀態(tài)轉(zhuǎn)換為另一種情感狀態(tài)。簡單說就是在保持良好的目標(biāo)說話人音色的同時，將情感表達(dá)從一個情感說話人適當(dāng)?shù)剡w移到目標(biāo)說話人。

情感語音合成技術(shù)

情感語音合成系統(tǒng)可以使用說話人及情感嵌入的模型方案。用情感做標(biāo)簽，即在原有網(wǎng)絡(luò)基礎(chǔ)上增加一個情感標(biāo)簽，這些情感的信息會通過網(wǎng)絡(luò)得到學(xué)習(xí)。

說話人嵌入是通過神經(jīng)網(wǎng)絡(luò)來得到一個說話人向量，需要一定規(guī)模的多人數(shù)據(jù)庫進(jìn)行訓(xùn)練。

情感嵌入則需要情感數(shù)據(jù)結(jié)合說話人向量來實(shí)現(xiàn)情感語音合成的模型，所以需要高質(zhì)量、多情感的數(shù)據(jù)。

情感語音轉(zhuǎn)換技術(shù)

如跨說話人情感遷移可以利用情感和音色擾動，分別學(xué)習(xí)說話人和情感相關(guān)的語譜，為最終的語音生成提供顯式的情感特征。說話人相關(guān)即保持目標(biāo)說話人的音色，情感相關(guān)即捕捉源說話人的情感表達(dá)，因此需要多人多情感和多人無情感的數(shù)據(jù)來共同訓(xùn)練。

情感語音應(yīng)用場景

虛擬形象：可以讓虛擬的人物具有一定的情感表現(xiàn)能力。

短視頻配音：可以為短視頻的內(nèi)容進(jìn)行配音，使內(nèi)容更加生動有趣。

游戲角色：可以讓用戶在游戲中有更好的體驗(yàn)。

影視動畫：可以進(jìn)行生動的解說。

智能客服：可以提高人機(jī)交互體驗(yàn)，讓互動充滿樂趣。

作為全球領(lǐng)先的人工智能的數(shù)據(jù)服務(wù)商，數(shù)據(jù)堂可以為客戶提供豐富的情感語音數(shù)據(jù)，通過這些數(shù)據(jù)訓(xùn)練的人工智能，合成在情感和表達(dá)上更加豐富的語音，讓合成的聲音更加自然真實(shí)，更好的應(yīng)用在不同的場景。

審核編輯 黃宇