当前位置:恒达娱乐登录 > 恒达资讯 > 恒达娱乐常见问题 > 微软推TTS系统 有声书成主要场景

微软推TTS系统 有声书成主要场景

时间:2019-10-26 11:16:09 来源:恒达平台主管 浏览: 122次

推TTS系統 有聲書成主要場景

馬秀嵐、張靖超

2018年10月,微軟發佈瞭基於深度神經網絡的文本到語音(text-to-speech,以下簡稱“TTS”)分析運行系統。

該技術發佈一年,在一些場景進行瞭落地,其中幫助視障人群成為非常關鍵的應用場景。

在過去,微軟和盲人公益組織紅丹丹視障文化服務中心(以下簡稱“紅丹丹”)進行瞭合作,紅丹丹將目前盲人群體所缺乏的資源書籍(百科知識、文學類、教材等)挑選出,微軟通過神經網絡合成語音“曉曉”來合成有聲書。

10月15日是國際盲人節,上述合成的有聲書在這天上傳至心目圖書館——一個雲端的圖書館——可以接觸到全國105所盲校的學生。

在此之前的10月9日,微軟亞洲互聯網工程院人工智能語音組資深產品總監丁秉公在接受《中國經營報》在內的媒體記者采訪時介紹稱,這樣的書原本需要人來錄音,要找到錄音的人和錄音棚,耗時耗力,如果要錄高質量的聲音需要花費更多的成本和時間。但是如果通過TTS合成方式,可以7乘24小時合成,隻要有文本內容,就可以源源不斷地輸出有聲內容。“這打破瞭有聲內容生產的壁壘。這個對視障人士群體來說特別有意義,雖然他們可以在市面上聽到一些有聲書,但是數量遠遠少於文本數量,如果我們可以自動地把文本轉化成有聲,可以極大地豐富視障朋友有聲閱讀的來源。”

成本更低

在具體的成本上,據微軟方面介紹,一本100頁左右的紙質書籍,譯成盲文書籍需要400~500頁,制作成本在80~100元左右,成本相對較高。而通過TTS合成的有聲書,平均一本的價格在9000元左右。但一本有聲書做出來之後進行雲端傳輸,覆蓋到全國的盲校1萬多個學生,可能一本書成本平攤下來才不到1元錢,且可以做到無限量廣域傳播。

市面上充斥著各式各樣的有聲書,該項目合成的有聲書相比前者有什麼區別?

對此,紅丹丹執行主任曾鑫對記者解釋,這些有聲書根據盲校孩子和老師的需求來做,不是市面上已有的名著或者通俗小說類,而更多聚焦在目前市面上缺少的針對視障學生學習類或者成長類的有聲書籍。“這種書在市場上很難找到有聲版甚至是電子版,所以這方面很有需求。另外,我們也會根據青年人的學習需求,制作法律、公務員的考試教材等。市面上很難買到這類有聲教材,我們會通過這樣的技術手段幫學生以最快速度完成轉換,形成有聲書。”曾鑫說道。

據微軟人工智能女聲曉曉語音產品負責人劉越穎介紹,該技術目前可以提供兩種場景下的服務:一種是實時的合成,基本上是毫秒量級的,幾百毫秒就能夠反饋,一般用在智能對話、語音助理等場景。另一種是非實時的合成場景,比如一整本有聲書的長文本合成,大概需要總音頻時長的1/3。一個小時的音頻,可能十幾分鐘二十分鐘就能合成出來,如果是人工錄音,可能錄制一個小時的音頻,反復出錯,需要不斷地去錄和重復,三個小時才能錄出來一個小時的音頻成品,而機器十幾分鐘就可以,這就將人力三個小時的錄音節省到十幾分鐘,效率大大提升。

恒达平台提供了恒达注册网址和恒达娱乐登录链接供玩家进行游戏!与高德平台合作。
公司地址:湖北省武汉市洪山区
Copyright © 2015-2020 www.hengda005.COM. 恒达娱乐登录 版权所有 ICP:ICP备********号

<