【技术】思必驰语音技术上新，支持多语言转换

动漫《名侦探柯南》里面，柯南有个变声蝴蝶结，有了这个变声器，柯南可以模仿任何人的声音，从而隐藏自己的身份，这个变声蝴蝶结就用到了语音转换。

思必驰最新推出语音转换技术，基于深度学习及高质量声码器，在保留说话人原始语音内容的同时，可以将说话人的音色转换为指定说话人的音色，同时，可保留原说话人的语速、频率、情感等风格特色，还支持英语、日语等多语言转换。目前，该技术可应用于视频配音、游戏娱乐、人工客服等场景。

语音转换（Voice Conversion, VC）即在保留语音内容的同时，将原说话人的音色转换成指定说话人的音色。在传统变声工具中，基于语音信号处理技术，可将个人音色转换为大叔音、萝莉音等音色，但此时的变声比较单一，仅仅是对音色进行改变，不能进行跨语言、多情感风格的转换，转换效果较为机械。

随着技术的不断发展，语音转换效果实现了从音色转换到情感风格转换的进步。近期，思必驰推出的声音转换技术具有情感转换、多语言转换、“千人单音”的特点。

（1）支持情感转换

在实际场景中，人类的语音会随着心情变化而发生语调变化，此时就需要声音转换技术对说话人的情感也能做出完美还原。目前，思必驰声音转换技术支持开心、沮丧、生气等情感的转换。

（2）支持多语言转换

思必驰语音转换技术不仅支持中文转换，还支持英语、日语转换，满足用户多语言需求。

（3）超高还原度，“千人单音”

思必驰声音转换技术可对音色进行高度还原，不论原始音色如何，都可以转换为指定音色，做到“千人单音”。

思必驰语音转换技术之所以能做到多风格、多语言的转换，主要运用到了深度学习、音色分离、高质量声码器等技术。声音转换模型由声学模型和声码器组成，声学模型通过内容编码器从录音中提取出发音内容、韵律、情感、风格，并通过音色编码器从目标角色音频中提取出音色特征，最后通过声码器转换为目标角色声音。

思必驰声音转换技术服务将支持云端在线服务及本地部署，在视频配音、人工客服、直播互动、游戏娱乐等领域有很大落地空间。

在动漫配音领域，动漫IP往往有固定的配音人员，有了声音转换技术以后，不同的配音人员均可以为该IP进行配音，避免因工作人员调动产生前后配音不一致的情况；在人工客服场景中，好听的声音往往更能打动消费者，通过声音转换技术，“甜美客服”不再一“声”难求。在日益发达的短视频领域，博主可通过声音转换技术为短视频配上具有特色的音频解说。

除语音转换外，思必驰在声音复刻、情感合成、“单人千音”等全链路语音交互技术上硕果累累，为智能语音的场景落地提供了多样化的选择。

思必驰语音技术

1.思必驰DUI平台上线“单人千音”，各地方言AI随心切换

2.声音“克隆”要多久？仅需一句话，快速复刻你的声音

3.思必驰情感语音合成“以声传情”，让机器人表达更有温度

4.1024程序员节丨点击接收24K高保真祝福

5.语音编辑，让智能播报更自然，思必驰TTS技术上新第一更！

6.思必驰发音人音色定制平台，快来PICK你最爱的音色！

未来，思必驰将基于DFM-2大模型，结合全链路语音交互技术进行技术联动，推动智能语音在各个领域的落地，助力产业数智化转型。