微軟 Azure 智慧語音合成全面升級到 48kHz 高保真模型

IT之家 11 月 17 日訊息,微軟 Azure 神經網路文字轉語音服務 (又稱“Neural TTS”,“智慧語音合成”) 能幫助使用者將文字轉換為逼真的人工智慧聲音,它適用於多種應用場景,包括智慧語音助手、客服對話機器人、有聲內容朗讀、遊戲角色語音等。在過去的幾個月中,微軟 Azure 智慧語音合成技術在語音自然度、聲音豐富度和多語言支援等方面取得了快速進展。

今天微軟官方為大家帶來了最新的神經網路語音合成聲碼器 HiFiNet2 。

微軟 Azure 智慧語音合成全面升級到 48kHz 高保真模型

聲碼器是 TTS 中的關鍵元件之一,它基於輸入的文字或聲學特徵來合成音訊樣本。目前,透過 HiFiNet2 聲碼器技術,微軟已經將微軟 Azure 智慧語音合成產品全面升級到 48kHz 聲音模型,

進一步為使用者帶來更高保真、高效率和可擴充套件的 AI 語音音質體驗

。這項更新包括 400 多個音色,覆蓋全球超過 140 個國家和地區的語言。

48kHz 語音模型

在文字轉語音技術中,音訊的保真度是用來衡量音質的一項重要標準。高保真聲音不但可以給使用者傳達更豐富、更細膩的音質,同時還可以將音色的失真和變形降至最低。隨著取樣率的提升,聽眾可以聽到更精準的細節和更真實的音色。在影片配音、遊戲和唱歌等需要更精細、更沉浸的聲音體驗的複雜場景中,更高保真度的輸出(如 48kHz 取樣率)將給使用者帶去前所未有的全新感官體驗。

現在,隨著 Azure 深度神經網路語音合成服務將全平臺 AI 聲音升級到 48kHz 取樣率,微軟率先在業界為 AI 聲音使用者帶來真正高保真度的聲音體驗。

微軟 Azure 智慧語音合成全面升級到 48kHz 高保真模型

微軟 Azure 智慧語音合成技術更多資訊介紹,點此檢視。

頂部