看過柯南的朋友一定不會陌生，電影中有一個出鏡率很高的神器-蝴蝶結變聲器，當公布真相時刻，柯南躲到沙發(fā)后對著蝴蝶結模仿毛利小五郎的聲音進行推理。
如今，隨著科技的發(fā)展，這個酷炫的神器已從動畫片中走入現實。
6 月 29 日，標貝科技推出一項可商業(yè)落地的聲音轉換解決方案，將任何一種聲音的音色，精準遷移至目標聲音的音色，實現聲音的出色轉換。
什么是聲音轉換呢？簡單說，就是在保持說話內容不變情況下，用另一個人的音色說出你想說的話，你可以隨意變聲你想要的任何人物、角色的聲音。比如電影橋段周星馳配音，游戲直播解說中的大叔變軟妹蘿莉、可愛的動畫人物小豬佩奇等等，不需要復雜操作及漫長等待時間，人人秒變聲音大咖，娛樂搞笑，趣味無盡。
可能有人會問，直接用變聲器或調音器不也一樣可以做到嗎？ 據標貝科技語音技術相關負責人介紹，聲音轉換和變聲器有顯著不同，具體表現在 4 個方面：
1、聲音轉換效果
無論是變聲器軟件還是傳統(tǒng)變聲技術，合成的效果都存在機械味偏重問題，語調、語氣還原度與原音存在一定偏差，整體聽感不自然。
而標貝的聲音轉換方案，依托智能語音技術和深度學習技術，可以精準的進行目標音色遷移，高度還原原說話人的語氣、韻律等特色。
2、交互體驗
傳統(tǒng)的變聲軟件需要通過人工調節(jié)語速、語調等參數，輸出的聲音音色轉換較單調，玩法單一，缺乏個性化的聲音表達，缺乏創(chuàng)意。
標貝的聲音轉換技術方案，能夠很好的解決傳統(tǒng)變聲的問題，達到高辨識度、高自然度、高流暢度的變聲效果，同時能夠保留原發(fā)音人的語氣、韻律節(jié)奏等特征，讓變換后的聲音更有層次，更有個性。
3、應用場景
為了適應不同場景需要，聲音轉換技術可以有針對性的進行輸出聲音的優(yōu)化訓練，進而更好的表達場景化語音的特點，滿足用戶差異化的需求，傳統(tǒng)的變聲器很難做到場景維度的差異化。
4、轉換價值
傳統(tǒng)變聲器輸出的效果很不穩(wěn)定，需要大量人工的調節(jié)，整體音質質量只能滿足部分娛樂場景的需求。
標貝的變聲技術，提供一站式轉換，無需人工參與，便可獲得穩(wěn)定的自然聲音效果，也可擴展到更多的場景化應用。例如在媒體配音領域或在線教育領域，聲音轉換技術還可以大幅度提高內容制作的效率，節(jié)省視頻內容的創(chuàng)作成本和時間成本。
因而，聲音轉換和傳統(tǒng)變聲器有顯著區(qū)別。
據介紹，標貝科技本次推出聲音轉換解決方案，是基于深度神經網絡學習，應用語音信號處理和語音識別技術，將原說話人的音色轉換成目標人音色，而且聲調、韻律、停頓等說話特點可被轉換為目標人物聲音。目前已達到商業(yè)場景落地要求，如有聲閱讀、兒童教育、媒體、泛娛樂等多場景均可使用。
下面通過一個案例，為大家展示一下標貝的聲音轉換技術效果。
- 普通話版 -
- 方言版 -
原聲音分別為普通話版和方言版，目標對象聲音是兒童慧讀 App 產品恐龍貝克的聲音。從視頻中可以聽到，原聲轉換到目標對象音色，轉換后的聲音效果幾乎難以分辨。（以上視頻僅用于聲音轉換技術示范） 讓我們再看一些聲音轉換的場景應用說明。
以兒童故事有聲閱讀舉例，假如你擁有動漫人物的 IP 版權，結合聲音轉換技術就可以用小豬佩奇、喜洋洋的口吻講述小朋友喜歡的故事啦～ 在游戲直播領域，主播可以通過聲音轉換技術，在保證語言風格特點同時，變聲娛樂搞笑的解說聲音，讓游戲解說更有趣味性。 變聲本身就存在著一定趣味性，在泛娛樂方面也有很大的市場需求，據艾瑞咨詢《后疫情時代中國線上泛娛樂市場展望》報告顯示，疫情期間，中國泛娛樂市場用戶活躍，網絡視頻、游戲直播、在線閱讀等均有增長態(tài)勢。
全民娛樂消費時代已經到來，短視頻搞笑趣配音頻上抖音熱門、游戲直播變聲整蠱被玩家廣為樂道，用明星聲音表達自己，也成為玩轉飯圈標志之一。
由此可見，聲音轉換的應用前景空間巨大。 事實上，在人工智能技術快速發(fā)展的今天，智能語音已給人們生活的很多方面帶來很大影響。技術創(chuàng)新應用，讓機器被賦予生命力，富有情感與溫度的與人類進行智慧對話，讓用戶感受科技的美好。
與此同時，通過聲音轉換技術，讓用戶主動參與聲音轉換創(chuàng)作，給生活增添娛樂趣味性，也是科技創(chuàng)新價值所在。
聲音價值探索充滿無限可能，標貝科技已連續(xù)推出聲音復刻、情感合成、聲音轉換等系列語音技術產品，未來將進一步加大技術創(chuàng)新投入，為行業(yè)帶來更高質量語音交互解決方案。
歡迎對以上聲音轉換解決方案感興趣的行業(yè)伙伴與我們聯(lián)系
Business@data-baker.com
