让声音实现“数字永生”？ 第一步先打开讯飞智作

你想象过吗？苹果集团创始人乔布斯“死而复生”，和播客主持人讨论自己的大学时光、对计算机的看法、工作状态以及信仰等等。如此赛博的场景，竟然真地在现实中发生了，它来自一档名为Podcast.ai的播客的第一期节目。

这是一个完全由是一个完全由AI生成的播客。Podcast.ai通过乔布斯的传记，和收集网络上关于他的所有录音，用Play.ht的语言模型大量训练，最终生成了一段美国知名播客主持人Joe Rogan采访乔布斯的播客内容。在这期播客里，乔布斯的各种语音、语调都模拟的非常相似。

某种程度上说，借由AI，我们的声音就能实现“数字永生”，又或者，你可以听到任何你想要的人声。听起来是不是非常诱人？

事实上，对于国内用户来说，拥有专属于自己的AI声音并不是遥远的梦想。2022科大讯飞全球1024开发者节的技术发布会上，科大讯飞AI研究院副院长高建清分享了科大讯飞在语音合成技术领域的新突破——多风格多情感合成系统SMART-TTS。

2月19日，科大讯飞官方微信视频号中发布了一条关于节气《雨水》的视频。深沉厚重的男低音，自带质感，让这段视频的level至少上了一个等级。你肯定猜到了，这段配音由SMART-TTS系统合成，其语气的变化、语句的停顿、声音的细腻程度都和真人所差无几。

最近大火的ChatGPT是AIGC+文字领域的产品，而SMART-TTS则是AIGC在声音领域的应用。在许多人潜意识中，语音合成往往带着一股机器味儿，不仅生硬而且很容易分辨。为了让机器声音能媲美人类，专注语音技术20多年，讯飞始终坚持源头技术创新，持续进行探索。2008年首次让语音合成效果超过了普通人说话水平。2019年，科大讯飞在国际语音合成大赛的自然度、相似度两项指标荣获第一，连续14年稳坐冠军宝座。讯飞在语音合成方面已实现人声自然饱满，逼真度高，富有表现力，人机交互更具真实感，同时提供适应新闻播报、阅读听书、语音助手等多种场景的100+发音人。在线语音合成可支持37个语种、11种方言、2种民族语言。

而SMART-TTS在多情感、多风格方面实现了新的突破。SMART-TTS系统可提供“高兴、抱歉、撒娇、严肃、悲伤、困惑、害怕、鼓励、生气、安慰、宠溺”等11种情感，每种情感具备40档强弱度不同的调节能力；也能提供声音的创造能力，如停顿、重音、语速等，可以根据自己喜好调节，真正实现了合成系统媲美具备个性化特点的真人表达能力。

很多人想知道，在哪里定制属于自己的AI声音？讯飞有声APP和讯飞开放平台都开放了SMART-TTS语音合成系统，开发者可以在讯飞有声APP直接下载体验，或在讯飞开放平台进行调用。另外，科大讯飞最新推出的AIGC内容创作基地——讯飞智作，包括的各种AIGC工具中已上线了SMART-TTS聆系列主播，助力内容创作者更高效地输出优质的音视频作品。

在讯飞智作中，已经开放了讯飞配音、真人配音、虚拟人视频、PPT生成视频等功能。以讯飞配音为例，用户可以在100多位合成主播中选择适合的声音，有性别、年龄、领域、风格、语种等众多选择标准，自由调节速度、语调、音量、情感系数等多重变量。可以预想到，AIGC在讯飞智作中的应用能够给音视频生产领域带来全新的变革，内容生产者们以较低的成本获得适合内容的高质量音视频，创作的效率大大提高，还可以让不能开口说话的事物配音，《假如国宝会说话》的跨年特别呈现中，SMART-TTS语音合成系统让文物拥有了亲切自然的音色，讲述自己的风姿与古人的智慧。

SMART-TTS语音合成系统已经落地很多需要声音的场景，也将有更多功能向用户、企业开放，自然流畅、富有情感的合成语音将走进千家万户。打开导航时它有力可靠、阅读有声书时它让人身临其境、疲惫时它温柔甜美带来力量......结合讯飞虚拟数字人技术，还可以实现定制智能聊天对象，建立有具体形象的AI助手、AI伴侣不无可能，也许我们还可以与拥有自己声音的AI进行交互。这不就是我们曾经幻想过的美好未来吗。

讯飞智作是人人都可触碰到的AIGC应用，如今AIGC的大时代正在到来。这个已经开始的技术变革对我们来说意味着什么？这一波AI产品可能的应用场景有哪些？未来可能会形成怎样的新AI产业生态...这些问题暂且还没有明晰的答案。但在大浪潮的初始，这些探索者值得被持续关注。

关键词：