導讀
加拿大一家名為“琴鳥”（Lyrebird）創(chuàng)業(yè)公司聲稱，通過分析約一分鐘的錄音，然后利用語音模仿算法，就可以模仿任何人的語音，還能在聲音中加入“感情”因素，讓它更生動逼真。
關鍵字
背景
在介紹這項創(chuàng)新技術(shù)之前，考慮到有些朋友不了解語音合成技術(shù)，同時也為了延續(xù) IntelligentThings一貫傳遞技術(shù)和創(chuàng)新價值的原則。所以，我們還是從語音合成技術(shù)的背景談起。
語音合成技術(shù)，簡單一點說，就是通過計算機等技術(shù)，將文字信息轉(zhuǎn)化為語音信息，然后播放出來。下圖就是一款簡單的語音合成設備，它能夠輸出合成的和數(shù)字化的語音。
（圖片來源于：維基百科）
這項技術(shù)有著漫長的歷史，最早可以追溯到1779年，Kratzenstein 研制出一種機械式語音合成器。后來，由于電子技術(shù)興起和加入，1939年貝爾實驗室H. Dudley 制作出一個電子語音合成器。而近期，又發(fā)展到 TTS，即“文本到語音”技術(shù)，它結(jié)合了芯片、人工智能、軟件等技術(shù)，將文字轉(zhuǎn)化為語音。
TTS技術(shù)的處理流程
（圖片來源于：維基百科）
目前，在語音合成領域，不少公司都有所建樹，例如國外的微軟、朗訊、AT&T、Elan、TextAloud等，國內(nèi)的科大訊飛、捷通華聲、百度等。
近些年來，伴隨著人工智能等前沿技術(shù)的發(fā)展，語音合成技術(shù)，取得了長足的進步，越來越流暢、連貫、自然，絲毫沒有任何機械、生澀的感覺。
未來，語音合成技術(shù)的發(fā)展方向，應該就是讓聲音達到真人說話水準，并逐漸加入音色、情感方面的合成，使之更具特色，更加個性化。
創(chuàng)新
在語音合成和人工智能等技術(shù)興起的背景下，最近，位于加拿大蒙特利爾的初創(chuàng)公司Lyrebird 宣布成功開發(fā)出了一項語音合成新技術(shù)，它只需分析幾十秒鐘的音頻錄音，就可以利用語音模仿算法，仿造任何人的聲音，這是世界上首次。
公司的名字為“Lyrebird”：琴鳥，并不是偶然，是獨具匠心的選擇。因為，琴鳥這種鳥，能夠模仿各種聲音，例如喇叭聲、氣鳴聲、伐木聲等等。
該公司的核心技術(shù)是一個深度學習模型，由蒙特利爾大學MILA實驗室所開發(fā)。公司三位創(chuàng)始人：Alexandre de Brébisson、Jose Sotelo、Kundan Kumar 都是該校的博士生。
說起這項技術(shù)的創(chuàng)新和獨特之處，主要有以下三點：
聲音獨特
開發(fā)者可從幾千種不同的預定義聲音中進行選擇，或者根據(jù)需求，為應用程序設計獨特的聲音。
實時生成
通過GPU集群，不到半秒種的時間，就能夠生成1000條句子。
控制情感
可以注入不同的情感效果，例如壓力、憤怒、同情等等，生成的聲音不是機械的，而是富有情感的。
另外，他們還為公司或者個人開發(fā)者，提供了一套API（應用程序編程接口）和AI應用，使他們能夠開發(fā)新的語音合成解決方案。
在lyrebird.ai的網(wǎng)站上，該公司特意展示了特朗普、奧巴馬、希拉里等人的合成語音，旨在說明這項技術(shù)的準確性和有效性。
應用
這項技術(shù)將會帶來一些列精彩的應用，例如：私人助手，用于讀取著名的音頻書籍；各類可聯(lián)網(wǎng)的語音合成設備，為視覺障礙的殘疾人合成語音；另外，它還可以服務于電影動畫或者游戲工作室。
未來
未來團隊會有什么計劃？他們的API正在開發(fā)之中，并且也在擴大他們的測試范圍，邀請更多人的參與。
對于這項技術(shù)，也許很多朋友都會發(fā)出質(zhì)疑，因為它會引發(fā)一些負面的問題：
例如，有人會利用它創(chuàng)造出虛假的數(shù)字聲音，而聽起來又十分逼真，以至于可以欺騙聽眾，讓他們以為是在聽真人講話。這樣一來，某些別有用心的壞家伙就可以篡改聲音，誤導和欺騙他人。
面對這些質(zhì)疑，該公司團隊認為：
通過公開發(fā)布這項技術(shù)，他們希望每個人都能意識到這種技術(shù)的存在，復制他人的語音是有可能的，所以說錄音有時候也可能是虛假的，或者說是被人為修改過的。
參考資料
【1】https://lyrebird.ai
需要進行深入咨詢和交流的朋友，請聯(lián)系微信：JohnZh1984
