新浪科技讯，7 月 10 日下午消息，阿里巴巴发布新一代语音合成技术 KAN-TTS，称可大幅提高合成语音与真人发声的相似度，并将语音合成定制成本降低 10 倍以上。该技术由达摩院机器智能实验室自主研发。
阿里方面称，当前业界商用系统的合成语音与原始音频录音的接近程度通常在 85% 到 90% 之间，而基于 KAN-TTS 技术的合成语音可将该数据提高到 97% 以上。
据悉，KAN-TTS 由达摩院机器智能实验室自主研发，深度融合了目前主流的端到端 TTS 技术和传统 TTS 技术，从多个方面改进了语音合成。传统语音合成定制需要 10 小时以上的数据录制和标注，对录音人和录音环境要求很高。从启动定制到最终交付，项目周期长成本高。
阿里利用 Multi-Speaker Model 与 Speaker-aware Advanced Transfer Learning 相结合的方法，将语音合成定制成本降低 10 倍以上，周期压缩 3 倍以上。也就是说，用 1 小时有效录音数据和不到两个月制作周期，就能完成一次标准 TTS 定制。
此外，这使得普通用户定制“AI 声音”的门槛更低。只需手机录音十分钟，就能获得与录制声音高度相似的合成语音。(韩大鹏)
来自:
新浪科技
