11月10日,网易有道正式上线“易魔声”开源语音合成(TTS)引擎,所有用户可免费在开源社区GitHub进行下载使用,通过其提供的web界面及批量生成结果的脚本接口,轻松实现音色的情感合成与应用。
据悉,“易魔声”是一款有道自研TTS引擎,目前支持中英文双语,包含2000多种不同的音色,更有特色的情感合成功能,支持合成包含快乐、兴奋、悲伤、愤怒等广泛情感的语音。
在过往的回忆里,总会有一些特别的声音,比如:偶像的声音激励人心、妈妈的声音让我们一秒回忆起小时候……声音,作为语言维度的一种,总是蕴含着人类充沛的情感表达。而富有情感的合成语音,是能够为应用和内容增色的AI功能。有道“易魔声”则为开发者和内容创作者提供了一些解决思路——只需简单通过在文本中加入情感的描述提示,就可以自由合成符合自己需求的带有情感的语音,比传统TTS更加自然逼真。
随着基于GAN等现代AI技术的语音能力越来越成熟,实现一个质量较高的TTS系统的门槛越来越低。但即使如此,中英双语的高质量、现代TTS模块还是不易找到,要在自己的应用与内容中加入高逼真度且高度可控的语音,特别是中英双语的语音,也依然比较麻烦。
“目前该项目还处于初期阶段,现在将这个项目开源,也是希望能帮助到有需求的开发者与内容创作者,并不断扩大高质量TTS的应用范围,让产品及应用更好地落地。也期待大家试用后给我们提供更多反馈与建议。”网易有道CEO周枫介绍道。
有道在 TTS 领域耕耘多年,始终以场景为导向,不断推动技术落地,为用户带来诸多高效便捷的应用和产品。例如,推出教育领域首个明星语音功能,将王源、欧阳娜娜、马伯骞等明星的声音内置在网易有道词典中,陪伴用户共同学习英语;提供声音定制和声音复刻功能,仅需 5 分钟即可完成个性化声音定制;近期推出的 Hi Echo 虚拟人口语私教,借助有道「子曰」教育大模型、语音和虚拟人技术,帮助用户随时随地轻松练习英语口语。
从2008年起,网易有道便开始布局AI,多年来一直致力于基于Transformer模型进行创新和应用,并在神经网络翻译、计算机视觉、高性能计算、智能语音AI技术等方面都具备了核心技术,为应用的实际落地打下了坚实的技术基础。
此外,用户还可通过有道智云官网,体验已经对开发者通过API等形式开放的文本和图像翻译、文字和各类图片识别、作文批改等各类AI技术。
有道智云AI开放平台,是网易有道旗下一站式人工智能服务提供商,为开发者、企业和政府机构等提供自然语言翻译、文字识别、OCR、语音识别等服务以及行业解决方案,致力于提供安全、可靠和高效的云服务。