智東西（公眾號(hào)：zhidxcom）編 | 王穎
智東西2月5日消息，亞馬遜推出品牌聲音（Brand Voice）定制服務(wù)，可將文本轉(zhuǎn)換為語音，為客戶提供聲音定制。
AI模型只需進(jìn)行幾個(gè)小時(shí)的訓(xùn)練就可以定制獨(dú)特的品牌聲音，這項(xiàng)工作如果由配音演員來完成則需要十幾個(gè)小時(shí)。
肯德基加拿大分公司和澳大利亞國民銀行已經(jīng)開始與亞馬遜合作，在語音服務(wù)中使用了定制的品牌聲音。
一、聲音定制，品牌形象也有獨(dú)特風(fēng)格亞馬遜AI語音轉(zhuǎn)換總監(jiān)Rafal Kuklinski和高級(jí)產(chǎn)品經(jīng)理Ankit Dhawan在博客中解釋了品牌聲音定制服務(wù)。不同公司通過定制獨(dú)特的品牌聲音，強(qiáng)調(diào)出產(chǎn)品和服務(wù)的特性，與其他品牌做出區(qū)分。
亞馬遜的相關(guān)負(fù)責(zé)人表示，他們已經(jīng)與肯德基加拿大分公司合作，為肯德基的品牌形象桑德上校設(shè)計(jì)了美國南部英語口音，并在亞馬遜Alexa應(yīng)用程序中開始使用。
亞馬遜還為澳大利亞國民銀行設(shè)計(jì)了澳大利亞英語語音，國民銀行已將聯(lián)系中心遷移到了亞馬遜全渠道云聯(lián)系中心產(chǎn)品Amazon Connect中。
二、AI語音轉(zhuǎn)換，配音時(shí)間縮短十倍去年年底，亞馬遜在一份研究論文中詳細(xì)介紹了其在人工智能產(chǎn)生的語音方面的工作。研究人員在論文中描述了一種系統(tǒng)，該系統(tǒng)可以通過幾小時(shí)的培訓(xùn)掌握一種語言風(fēng)格。而專業(yè)的配音演員完成培訓(xùn)則需要幾十個(gè)小時(shí)。
亞馬遜的AI模型由兩個(gè)部分組成。第一個(gè)是生成神經(jīng)網(wǎng)絡(luò)，它可以將音素序列轉(zhuǎn)換為聲譜圖序列，聲音隨時(shí)間的變化使得頻譜可以用肉眼清晰的觀察到它的變化。第二個(gè)是將這些頻譜圖轉(zhuǎn)換為連續(xù)音頻信號(hào)的聲碼器。
這種AI模型訓(xùn)練方法，將大量中性風(fēng)格的語音數(shù)據(jù)與所需補(bǔ)充數(shù)據(jù)相結(jié)合，通過一種能夠區(qū)分語音元素的AI系統(tǒng)幾個(gè)小時(shí)的訓(xùn)練，生成風(fēng)格獨(dú)特的聲音。
亞馬遜內(nèi)部已經(jīng)開始使用這種模型為Alexa生成新的聲音。
這種技術(shù)具有很強(qiáng)的商業(yè)價(jià)值。從前由配音工作者負(fù)責(zé)錄制的交互語音響應(yīng)系統(tǒng)，或?yàn)楣九嘤?xùn)視頻提供的電子學(xué)習(xí)腳本，都可以用這種模型來代替。
品牌聲音合成可以通過減少輔助錄制和接聽的方式提高配音演員更工作效率，使他們騰出更多時(shí)間從事創(chuàng)造性的工作。
三、AI語音轉(zhuǎn)換競爭激烈，大公司技術(shù)領(lǐng)先借助品牌聲音及其他文本語音轉(zhuǎn)換服務(wù)，亞馬遜和谷歌這兩家國際巨頭已經(jīng)在語音領(lǐng)域脫穎而出。
谷歌最近在其Cloud Text-to-Speech服務(wù)中推出了31種AI合成的WaveNet語音和24個(gè)新的云文本到語音服務(wù)標(biāo)準(zhǔn)語音。
微軟也通過Azure語音服務(wù)API提供了三種AI生成的預(yù)覽語音和75種標(biāo)準(zhǔn)語音。
亞馬遜品牌聲音定制服務(wù)將與Voicery等多家初創(chuàng)公司的產(chǎn)品展開競爭。
Voicery為客戶提供定制數(shù)字語音服務(wù)，聽起來很像人的聲音。印度班加羅爾的DeepSync公司提供的也是類似的語音轉(zhuǎn)換服務(wù)。文本轉(zhuǎn)換語音技術(shù)初創(chuàng)公司iSpeech也擁有類似的語音工具，Modulate、Respeecher、Resemble AI、Descript。
原文來自：VentureBeat
感謝閱讀。點(diǎn)擊關(guān)注上船，帶你浪在科技前沿~
