0
“通過克隆，把自己心愛之人的聲音永久珍藏……這可能就是科技應該有的溫度吧。”
與小米的最近一次合作中，深聲科技為其提供了聲音克隆技術，應用在其最新發布的小愛同學定制聲音功能上，能讓米粉合成自己的、甚至是父母、兒女、戀人的聲音，同時還支持音色分享功能。比如，明星將自己音色分享給粉絲后，就能通過聲音實現明星和粉絲的“常相伴”。
智能語音助手這個頗具想象力的AI應用，正逐漸成為智能終端的基礎功能，包括智能手機、智能家居、車載、陪伴機器人等，其普及率有了較大提升，而聲音克隆技術的應用，很可能會加速整個進程。
說到聲音克隆技術，并非深聲科技所獨有的，但與競爭對手相比，深聲科技CEO周俊明表示：“聲音克隆技術上，我們在音色還原度、發音準確率、音質清晰度等方面，具有明顯的優勢，手機語音助手是我們首個落地場景。”
聲音克隆面臨哪些技術挑戰？
2020年1月中旬，深聲科技聲音克隆產品正式上線。在此期間，深聲團隊在眾多競爭者中成功拿下了小米方的需求標的。作為與小米小愛同學的一次深度合作，深聲科技將為之提供聲音克隆核心技術支持。
包括雙方的需求對接、內部評估，再到交付，前后用了1個多月時間。
與傳統語音合成相比，聲音克隆面臨更大的技術挑戰。首先，聲音克隆需要C端用戶配合錄音，就不能對其錄音環境和設備有過分要求。
我們會建議用戶選擇一個盡可能安靜的地方，使用手機完成錄音過程。
其次，考慮用戶的體驗，需要盡可能縮短錄音的時長。
這就對我們有很高的要求，傳統的語音合成需要幾十分鐘到幾個小時的語音數據，相比之下，聲音克隆的數據量少，對聲學模型的訓練有更高的要求，比如發音模糊、發錯音、音素覆蓋等一系列問題。當然，最重要的還是音色還原度的問題。
現在，用戶只需配合朗讀20句話短文本，大約錄音90秒的語音數據，就能快速克隆出自己的聲音，將個人的情感表達、發音特點等信息遷移到合成聲音中，就連口音也能很好地克隆出來。
再次，在實際應用中，還要考慮海量用戶發起聲音克隆請求的高并發問題。為了節約成本，提升用戶體驗，就要解決模型切換、模型并發數，以及合成延遲等一系列挑戰。
海量用戶對聲音克隆的頻繁調用時，模型間的切換邏輯非常重要。
最后，因為采集到的用戶數據會上傳到服務器進行模型訓練，考慮到用戶隱私安全的保護，團隊提供了私有化部署的方案，以確保用戶數據不外泄。
是否迎來大規模商業化？
過去一段時間，百度、訊飛、搜狗等公司也曾推出聲音克隆服務，但似乎并未贏得用戶市場的關注。為什么深聲科技此次聲音克隆技術的上線，會在用戶市場引起如此大的反響呢？
周俊明表示，聲音克隆大規模商業化需要具備幾個條件：
一是克隆的聲音有較高的音色還原度，跟真人聲音無差異；
二是用戶使用門檻不能太高，例如錄音條件、發音標準等不能有太高要求；
三是對計算資源的消耗，需要具備個人都能用得起的基礎；
四是具備創造出真正的價值，能夠提升人們的生活品質。
從這個角度來講，深聲科技與小米的合作開始，就已經具備了將聲音克隆技術大規模商業化的能力。
在談到與普通語音合成的差異時，周俊明表示：
普通語音合成，解決的是如何將語音內容很好地傳遞出去、更容易地被接收的問題。而聲音克隆，體現了用戶的社會屬性，能夠讓用戶通過聲音來服務于他人。這就意味著，每個人的聲音的價值能夠得到充分體現，在包括親子互動、情感陪伴、泛娛樂在內的各種場景中具有巨大的應用價值。
安全問題如何解決？
將聲音克隆引入智能語音助手，會不會引發更多語音詐騙案件的發生？
目前可能普通存在這樣的擔憂：合成技術的水平發展越高，合成語音與人聲的差異就越小，技術鑒定的難度就越大。對此，周俊明也指出，
不必過度擔心。問題在于人耳的敏感度不夠高，才會對克隆聲音沒有發覺。但應用技術手段進行區分還是毫無壓力的，克隆出來的聲音在語譜圖中跟真人的聲音有明顯區別，克隆聲音中的很多特征信息已經丟失了。
作為技術服務的輸出方，深聲科技也十分關注如何規避這項技術的非法應用，在推出之前就考慮了到法律倫理的問題，并給出了三點應對方案：
一是將聲音克隆能力只授權給那些有控制能力的企業客戶，對于C端用戶來講，只有選擇音色的權限，沒有自定義克隆聲音內容的權限；
二是加強對內容安全的嚴格審核。不支持用戶用隨意一段語音進行克隆，要求用戶對指定文本進行錄音，從而降低聲音被利用的風險；
三是通過身份認證、結合生物識別等技術，以限制聲音克隆的使用。
關于深聲
深聲科技是一家專注于“智能語音”技術研發和業務落地的人工智能公司，于2018年在廣州天河成立。深聲科技擁有一支頂級的人工智能技術團隊，自主研發了行業領先的語音合成、聲音定制、聲音克隆等語音AI技術。
深聲的語音AI技術已在眾多場景中落地，包括語音助手、智能客服、有聲閱讀、車載語音、AI教育、動漫等。深聲提供的“文字轉語音”技術服務，支持的語言也從中文、英文，逐步擴展到了國內方言和海外語種。除了持續不斷的技術突破，深聲的語音數據制作效率也有了大幅度提升，比如三天交付客戶專屬定制聲音， 兩個月支持一門新語種。
讓聲音服務好每個人的生活，深聲致力于將語音AI技術融入人們生活的點滴之中，賦予企業和用戶以創新與科技力量來創造更美好的世界。
對深聲科技智能語音技術感興趣的讀者，可前往深聲科技的官網http://www.deepsound.cn/ 或微信小程序“深聲AI”親身體驗。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
