智能语音平台上媒体的发展逻辑

智能语音平台是在人工智能驱动下的全新信息中枢,对媒体的发展有着至关重要的作用。本文结合国内外实践论述了智能语音的崛起与其在媒体的应用、智能语音带来的媒体变革以及智能语音平台上媒体面临的挑战,从而梳理出智能语音平台上媒体的发展逻辑。

基于深度学习算法的真人变声设备的设计与实现

随着技术的进步和发展,儿童玩具、卡通玩偶等行业会在一些中高端产品中预置角色发音等功能,增强产品卖点和互动性。采用方法一般是通过预先录音或通过TTS合成指定发音人。这样的产品设计虽然在一定层度上能满足市场的需求,但存在灵活性差,可玩性差等不足。本设计是基于深度学习的智能声音转换算法,在一个低成本的国产ARM主控芯片上,通过少量的外围器件等附属电路,完成一个能够将任何人的声音实时转换成所需的任何目标发音人声音功能(any2any)的电子变声模块。该技术和软硬件模块可以应用在偶像卡通玩具、变声领结玩具、直播逗乐、声讯服务、服务热线等场景。

基于音素相关后验概率变换的发音质量评价

帧规整对数后验概率是目前公认最有效的发音质量的度量。但该文证明了该度量还反映了当前发音对应的声学模型与概率空间中声学模型的混淆程度,使其在评分任务上存在着严重的缺陷。因此,该文提出了可训练的音素相关的后验概率变换;并研究了线性和非线性sigmoid变换,同时给出线性变换的显式全局最优解和非线性变换的梯度下降解法。在全国采集的普通话水平测试现场考试的篇章朗读题型上进行实验。实验结果表明:当概率空间包含所有音素时,该方法能使人机相关度从0.582提升至0.768;当采用优化的概率空间时,该方法能使人机相关度从0.696提升至0.773。