標貝科技推出情感合成TTS 多情感、強表現力聲效讓交互更有溫度

語音合成技術已進入到人們的日常生活，有聲閱讀、智能客服、智能家居等場景都已經出現了「它」的身影。有情感的聲音，賦予機器生命感，讓人機交互更美好、簡單。

5月28日，標貝科技重磅推出情感合成方案，主打高音質及高自然度的情感語音合成效果，滿足有聲閱讀、兒童教育、車載、泛娛樂等多場景使用。據悉，標貝科技本次打造情感合成方案，是繼3月成功推出留聲機方案之後，推出的又一全新TTS解決方案，通過整體提高情感合成聲音效果，提升用戶的交互體驗。

AI情感合成讓語音交互更有溫度

聲音的可用性，可以通過自然度、可懂度、識別度等維度來考量。語音技術的進步，讓機器合成的聲音不再頓挫、冰冷，在自然度和可懂度等方面取得了不錯的成績，但當前合成效果在合成音的表現力上，特別是語氣和情感方面，還有不足。缺乏情感的聲音，何談傳遞情感，留住用戶？

情感合成，可以具有更進一步的聲音表現力，傳遞出文本文字之外更多的信息，做到聲情並茂，以更動聽的聲音，更富有情感地表達內容。

事實上，不同場景及文本類型，對聲音的要求也不同，除了基本的高音質、自然度要求外，讓聲音擁有情感是不可或缺的。同樣的文本內容，用不同情感表達出的傳遞出的意思也不盡相同， 需要「音」景制宜，以增強用戶的融入感、代入感。例如，這句話「為什麼你要這麼問我？」 試想下用生氣、高興、恐懼等情感說出效果與表達的意思。

此外，隨着語音技術推廣應用深入不同的服務場景，用戶對聲音提出了更高的要求。智能客服場景，需要親和溫暖的聲音來提高用戶的滿意度；有聲閱讀場景，需要根據不同題材搭配出不同聲音，讓用戶感受有聲文本的魅力；智慧生活場景的語音交互，需要有情感的聲音賦予機器生命力，更懂用戶，感受科技生活的美好。

因此，如何進一步提高語音合成的表現力，特別是讓合成語音能夠模擬表達說話人的情感狀態，是語音合成未來發展的趨勢，而這也正是標貝科技一直努力的方向。

打造高音質、高自然度、強表現力的情感合成TTS

據標貝科技語音相關負責人介紹，基於深度學習技術及自有定製情感數據，標貝本次推出情感合成TTS，主打高音質、高自然度與多情感，可以呈現出高興、憤怒、恐懼、哀嘆、悲傷等多種情感聲音，在韻律表現、聲音層次感、情感表達等方面做到更加接近真人情感化表達的語音效果。標貝科技希望通過語音技術的不斷創新，打造出更有表現力、更自然、更動聽的情感合成語音，持續提升用戶交互體驗。

例如有聲閱讀、兒童教育、智能硬件等場景，高音質、自然度的情感很重要。標貝通過使用情感TTS技術，力求在語氣、語音、語調、情感等方面接近真人說話，與場景匹配，讓用戶在不同場景和碎片化時間，進行有聲聽讀獲取資訊、體驗在線學習教育獲得優質體驗。

以多角色情感合成為例，由於故事、小說等文本素材包含大量角色人物，通過不同情感合成聲音配合文本內容，以展現文學小說人物的的特點，讓AI技術生產的有聲讀物更有「人情味」。

情感合成故事-笨狼撈月亮 01:32來自移動互聯網社區

在故事中，我們可以切實感受到故事中人物情感的變化情況，更能夠吸引少兒聽眾，營造一種引人入勝的沉浸感。

來自易觀發布《2020年中國音頻產業生態發展分析報告》表示，有聲市場呈現增長的態勢，越來越多的用戶開始接受有聲閱讀這樣的形式來收聽內容。其中，2020年1季度，在某知名有聲書平台的播放量和收聽人數上都有顯著增長，兩者環比分別增長80.32%和39.82%。此外，用戶在有聲讀物的付費購買上也更加積極，2019年該平台整體有聲書專輯訂單中過半為付費訂單。

毫無疑問，有聲市場的爆發增長，將誕生大量不同類型的有聲內容，相信情感語音合成能夠帶來更加自然和豐富的語音體驗，為有聲讀物市場提供更有競爭力的差異化產品。

自有數據庫加持 讓情感合成實現「可定製」

事實上，打造自然、高表現力的聲音效果，自然離不開語音情感數據支持。數據庫是語音合成技術的基礎，也是決定語音合成效果的關鍵因素之一。據了解，標貝科技本次打造的情感TTS，採用了自有定製的高保真的情感語音庫。

目前，標貝科技自有定製型語音庫已開發出包括中文女聲情感音庫、多語種多音色男女聲音庫、粵語語音庫、兒童語音庫、葡萄牙語音庫、台灣普通話語音庫、日語音庫、韓語音庫、明星語音庫等數十種類別，IP語音庫還在不斷豐富和積累中。

基於領先語音技術+高質量的數據庫基礎，標貝能夠提供業內優質的情感解決方案，呈現出聲音的多樣性、和個性化的合成效果體驗。這也是因為標貝科技自成立起，將語音交互效果和數據質量放在首位，擁有完整的采標一體化解決方案，能夠實現快速產出高質量的語音合成、語音識別、自然語言處理、計算機視覺等采標服務，為行業提供一站式語音和數據服務。

未來，隨着語音技術不斷發展，技術與場景的關係變得緊密，而用戶需求變得更加個性化。標貝科技將加大技術創新投入，打造更有溫度的情感聲音，讓語音交互效果更「聲入人心」。