语音也有DNA，智能语音合成新领地：快速语音模仿技术

近年来，一种快速语音模仿技术开始萌芽，并且在Google、Baidu等公司的相关业务领域有所建树，这也是语音合成领域一个很重要的突破点，未来可能会孵化出一片新的应用市场，应该引起行业内人士的重视。

“清明时节雨纷纷，路上行人欲断魂。借问酒家何处有？牧童遥指杏花村。”——杜牧的一首《清明》，写出了人们对逝去亲人的思恋之情。明天就是清明节了，每年此时，人们对逝去情人的思恋会更加浓烈，虽然有各种不舍和不愿，可生老病死和各种不幸的发生，又是不可改变的事实。

但是，AI技术越来越成熟，难道不能做点什么吗？小编在想，如果有一种手段能将亲人的声音特征留下来，并且借助越来越成熟的语音合成技术，通过某种方式让机器能用亲人的声音和自己聊天，是不是会让你觉得亲人并没有离去，而是在你的身边呢？ 就像很多相声小品演员一样，经过长期的锻炼，可以模仿出某个人的声音，而机器应该也可以做到，不过机器的学习时间会做到更短，这正是机器学习和人工智能的优势所在。

近年，一种快速语音模仿技术开始萌芽，并且在Google、Baidu等公司的相关业务领域有所建树，这也是语音合成领域一个很重要的突破点，未来可能会孵化出一片新的应用市场，应该引起行业内人士的重视。

加拿大琴鸟（Lyrebird）公司

2017年4月，加拿大新创公司琴鸟（Lyrebird）发布了新款人工智能（AI）语音系统，其能通过分析讲话录音和对应文本以及两者之间的关联，在1分钟内模仿人类“讲话”，比如，模仿特朗普、奥巴马和希拉里三个人的声音展开一段对话。（https://lyrebird.ai/demo/ ，需要翻墙）

Lyrebird公司的AI使用了一种全新的语音合成系统，能在“倾听”过程中“掌握”每个人说话时字母、音位和单词的发音特点，通过推理并模仿这个人声音中的情感和语调，“说”出全新的语句。Lyrebird公司创始人亚历山大·布雷比松说：“神经网络能够从声音样本中抓取关键特征，如音色、音调、音节、停顿等等，而这些关键特征足够定义一个人的声音，这跟人们根据声音判断说话者是一个道理。”布雷比松把这些关键特征比作声音的DNA。

Lyrebird公司与Google颇有渊源，它是谷歌在加拿大蒙特利尔大学建立的人工智能实验室（MILA）成立。早先Google旗下的DeepMind曾经公布了一个用AI合成人声的研究成果：WaveNet，它与人类的发音非常相似，不仔细听可能都会骗过你的耳朵。

百度AI语音镜像

近日，一位Baidu工程师深夜进行“镜像语音”内测的小视频，在科技圈引发热议。在这段视频中，这位工程师用一台电脑启动了机器人的“语音镜像能力”，并在极短时间内构建了语音提取学习模型和语音合成应用。这段视频令人称奇的是，在与工程师经过一段时间的对话交流后，小度机器人冷不丁地以工程师的声音脱口而出：“不想聊，想吃水煮鱼吗？”，而机器人所说的“水煮鱼”梗，来自于对话开始时工程师所说的“午餐吃了水煮鱼”。 视频中显示，工程师用手机记录的测试内容，双方的对话时间仅有9分37秒。也就是说，这种内测中的语音镜像技术，能让机器设备在极短时间内完成实时语音学习和合成。

结语

快速语音模仿技术技术应用场景极广，如投入应用，将在诸多日常生活场景中，给需要关怀和陪伴的人多一份温暖。比如：偏远山区的留守儿童、异地恋的情侣、子女常年在外打拼的空巢老人……都不用再苦苦等待，随时随地都有他们熟悉的声音陪伴，有传言称，各大科技巨头均在布局该技术。

参考来源

微信群&交流合作

加入微信群：不定期分享资料，拓展行业人脉请在公众号留言：“微信号+名字+研究领域/专业/学校/公司”，我们将很快与您联系。

投稿（无稿费）、 合作请留言联系。