最好看的新闻,最实用的信息
05月20日 6.4°C-10.2°C
澳元 : 人民币=4.84
纽卡素
今日澳洲app下载
登录 注册

[视频]微软语音合成技术升级编码器 效果以假乱真

2021-07-07 来源: cnBeta 原文链接 评论0条

访问:

微软中国官方商城 - 首页

HiFiNet是微软神经网络版语音合成技术中最新的声音编码器,是决定音频质量的关键因素。根据行业公认的、专业评估语音自然度的MOS测试结果显示,由HiFiNet声码器合成的语音音质可与用于训练的真人录音样本相媲美,并同时改善毛刺、噪音等音频质量问题,输出的音质具备更高保真度,更大程度还原真人录音。

与微软上一代声码器相比,微软HiFiNet声码器合成的音质更高(见演示视频第1、2段声音)。

语音质量的优劣会直接影响收听者的感受,为提升用户收听的舒适度,在Azure语音合成系统中,神经网络声学模型基于深度学习网络,使用真人录音作为原始数据进行迭代训练。首先,提取真人录音的声学特征。然后,利用真人录音的声学特征自动生成两组音频:一组真实声波(原始录音)和一组伪波(合成声波)。最后,由鉴别器区分真实声波和伪波。随着训练次数的增多,声波生成器也会愈发“聪明”,直至生成鉴别器也无法区分的伪波,这意味着机器合成的声音已经和原始录音相差无几,从而给用户带来更贴近自然的体验。

由微软HiFiNet声码器合成的音频质量更接近真人原始录音(见演示视频第3、4段声音)

[视频]微软语音合成技术升级编码器 效果以假乱真 - 1

HiFiNet声码器训练示意图

采样率越高,声音还原越真实。Azure神经网络版语音合成声学模型默认每秒钟采样24,000次 (24千赫兹),为还原特殊场景中更为复杂、细微的声音内容,HiFiNet声码器每秒钟采样48,000次(48千赫兹),满足用户对语音质量的严格要求,让用户尽享高清语音体验。

[视频]微软语音合成技术升级编码器 效果以假乱真 - 2

音频采样频率与保真度对比示意图

除语音质量外,HiFiNet合成速度较之其他模型也有显著的提升,进一步提升了语音合成的实时率。据RTF(Real Time Factor,实时率,用来测量语音合成速度的工具)测试结果显示,HiFiNet在GPU设备上运行的速度是第一代高性能声码器的3倍,在CPU设备上运行的速度是第一代高性能声码器的2倍。

目前,内置HiFiNet声码器的Azure认知服务神经网络版语音合成服务已支持超过70多个国家和地区的语言,提供超过170个自然逼真的音色供开发者选择。

欲了解有关HiFiNet及语音合成的更多内容,请点击:关于HiFiNet、关于语音合成试用版、更多资料以及示例代码。

相关文章:

微软语音识别出错率达5.1%创新低 比肩专业速录员

微软AI天团全新治愈美女成员上线:虚拟形象酷似孙燕姿

微软AI语音新技能:玩转情感程度调节

转载声明:本文为转载发布,仅代表原作者或原平台态度,不代表我方观点。今日澳洲仅提供信息发布平台,文章或有适当删改。对转载有异议和删稿要求的原著方,可联络content@sydneytoday.com。
今日评论 网友评论仅供其表达个人看法,并不表明网站立场。
最新评论(0)
暂无评论


Copyright Media Today Group Pty Ltd.隐私条款联系我们商务合作加入我们

电话: (02) 8999 8797

联系邮箱: info@sydneytoday.com 商业合作: business@sydneytoday.com网站地图

法律顾问:AHL法律 – 澳洲最大华人律师行新闻爆料:news@sydneytoday.com

友情链接: 华人找房 到家 今日支付Umall今日优选