近期，微軟發(fā)布了最新中文曉曉語音升級，中文曉曉新增了 10 種風(fēng)格。升級后的該語音模型風(fēng)格多達 14 種，處于行業(yè)領(lǐng)先水平。新增風(fēng)格分別是適用于聊天（Chat）場景的語音，還有平靜（Calm）、開心（cheerful）、悲傷（Sad）、憤怒（Angry）、 恐懼（Fearful）、 不滿（Disgruntled）、 嚴厲（Serious）、撒嬌（Affectionate）、溫柔（Gentle）等。此次，微軟升級的多情感技術(shù)，極大豐富了聽眾的收聽體驗，尤其在長文本收聽過程中，可以很大程度緩解聽覺疲勞，提升收聽舒適度。

升級前微軟中文曉曉語音擁有 4 種不同風(fēng)格，分別是新聞（newscast）、客服（customer service）、助理（assistant）、抒情（lyrical），升級后支持多達 14 種不同風(fēng)格，能在豐富的情緒和場景中自由轉(zhuǎn)換，比如多情感有聲讀物、新聞、客服、助理、聊天等。可以滿足不同領(lǐng)域客戶的多樣化定制需求。

IT之家了解到，微軟發(fā)布的智能語音合成技術(shù)通過應(yīng)用語音表現(xiàn)力遷移技術(shù)，僅利用少量表現(xiàn)力語料數(shù)據(jù)，便可以訓(xùn)練出具有高質(zhì)量、高自然度表現(xiàn)力語音生成能力的源模型。該源模型通過對人類語音表現(xiàn)力特征的深入挖掘，獲取了穩(wěn)定性高，適應(yīng)性強的語音情感表征，極大地豐富了合成語音的表現(xiàn)力與可控性，賦予了合成語音擬人的喜怒哀樂，彌補了傳統(tǒng)人工智能語音合成技術(shù)中 “人情味”不足的缺憾。

理想的多情感技術(shù)將是每個聲音都擁有幾十種甚至上百種豐富細膩的情感表達，可以駕馭不同場景，根據(jù)內(nèi)容表達自動適配情感。

微軟智能語音多情感技術(shù)發(fā)布，標(biāo)志了語音合成發(fā)展的新趨勢，將成為智能語音應(yīng)用的 “標(biāo)準配置”，實現(xiàn)用戶體驗新的突破。

責(zé)任編輯：PSY