僅僅需要五秒鐘就能復刻你的聲音?
快來登錄火山引擎官網在語音技術下的開放產品體驗中心(https://www.volcengine.com/product/voicecloning)體驗火山引擎聲音復刻2.0版本的驚艷效果吧!
火山引擎聲音復刻2.0采用了全新自研語音算法MegaTTS，經專業(yè)評測，聲音復刻2.0版本與真人錄音復刻的平均相似度已高達97.5%，不但超過一半的評測人員認為復刻合成效果與真并無任何差異，而且在金融客服、視頻配音、智能語音助手、虛擬數字人等相關場景均可適用!
五秒鐘復刻：極速獲取高品質AI專屬音色
傳統(tǒng)技術下，通常聲音復刻往往需要用戶錄制20-100句話，并訓練幾分鐘甚至幾小時后才可就緒，這樣的“復刻門檻”往往讓人缺乏耐心且質量也不盡如人意。
對此，火山引擎音色復刻2.0版本則在全面提升效果品質的同時，還攻克了錄制量級及訓練時長這兩大難關。
其核心算法MegaTTS只需要五秒鐘的數據量，就能對各種風格、口音以及聲學環(huán)境下的音色進行克隆。同時MegaTTS算法具有大模型特有的In-context-learning能力，無需對用戶音色進行Fine-tuning就能實現復刻。區(qū)別于傳統(tǒng)的音色復刻模型，MegaTTS可以免除訓練時長，即時極速復刻。
高度還原：平均相似度高達97.5%
此外MegaTTS算法還設計了基于注意力機制的細粒度無限長音色提示模塊，以及基于大語言模型的韻律提示模塊，在音色與韻律上都能夠極高還原用戶輸入音頻的發(fā)聲特點。
在真實的評測和用戶體驗中，不但還原之后的平均相似度已高達97.5%，環(huán)境音也可以被完美重現。
值得提及的是，火山引擎聲音復刻2.0版本為客戶了提供多種接入方式，并支持云端接入和私有化集成。無論是在金融客服、視頻配音、智能語音助手、虛擬數字人還是其他語音應用場景中都能快速接入。
語音大模型創(chuàng)新范式 MegaTTS將聲音復刻帶入新境界
火山引擎聲音復刻2.0版本采用了火山語音團隊全新自研語音算法MegaTTS，新一代算法僅需要用戶秒級別的音頻數據即可即時完成對用戶音色、說話風格、口音和聲學環(huán)境音的復刻。徹底攻克了傳統(tǒng)聲音復刻對錄音數據量的依賴，超低門檻的數據輸入即可獲得超高品質的AI專屬音色。
實驗結果表明，當數據量在10秒到5分鐘之間時，MegaTTS不僅可以在任意來源的新用戶的短提示下合成保同語音，而且始終優(yōu)于基于Fine-tuning的基線方法(Portaspeech 2)。
此外得益于音色和韻律獨立建模的方式，火山語音的韻律語言模型可以以細粒度和可控的方式將各種說話風格轉移到目標音色，甚至可以模仿Rap。未來這些功能也會陸續(xù)上線，為更多用戶提供創(chuàng)作空間。
一直以來，火山語音團隊不斷將打磨多年的語音技術能力面向市場并通過火山引擎開放給外部企業(yè)，已覆蓋汽車、金融、有聲閱讀、視頻配音等眾多應用場景，技術能力已成功應用到抖音、剪映、番茄小說等多款國民級產品上，并助力多家行業(yè)頭部企業(yè)實現AI語音能力的應用與拓展。未來火山語音還將不斷探索前沿科技與業(yè)務場景的高效結合，持續(xù)為用戶體驗和業(yè)務增長注入創(chuàng)新勢能，以實現更大價值。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
