動(dòng)漫《名偵探柯南》里面，柯南有個(gè)變聲蝴蝶結(jié)，有了這個(gè)變聲器，柯南可以模仿任何人的聲音，從而隱藏自己的身份，這個(gè)變聲蝴蝶結(jié)就用到了語音轉(zhuǎn)換。

思必馳最新推出語音轉(zhuǎn)換技術(shù)，基于深度學(xué)習(xí)及高質(zhì)量聲碼器，在保留說話人原始語音內(nèi)容的同時(shí)，可以將說話人的音色轉(zhuǎn)換為指定說話人的音色，同時(shí)，可保留原說話人的語速、頻率、情感等風(fēng)格特色，還支持英語、日語等多語言轉(zhuǎn)換。目前，該技術(shù)可應(yīng)用于視頻配音、游戲娛樂、人工客服等場景。

語音轉(zhuǎn)換（Voice Conversion, VC）即在保留語音內(nèi)容的同時(shí)，將原說話人的音色轉(zhuǎn)換成指定說話人的音色。在傳統(tǒng)變聲工具中，基于語音信號(hào)處理技術(shù)，可將個(gè)人音色轉(zhuǎn)換為大叔音、蘿莉音等音色，但此時(shí)的變聲比較單一，僅僅是對(duì)音色進(jìn)行改變，不能進(jìn)行跨語言、多情感風(fēng)格的轉(zhuǎn)換，轉(zhuǎn)換效果較為機(jī)械。

隨著技術(shù)的不斷發(fā)展，語音轉(zhuǎn)換效果實(shí)現(xiàn)了從音色轉(zhuǎn)換到情感風(fēng)格轉(zhuǎn)換的進(jìn)步。近期，思必馳推出的聲音轉(zhuǎn)換技術(shù)具有情感轉(zhuǎn)換、多語言轉(zhuǎn)換、“千人單音”的特點(diǎn)。

（1）支持情感轉(zhuǎn)換

在實(shí)際場景中，人類的語音會(huì)隨著心情變化而發(fā)生語調(diào)變化，此時(shí)就需要聲音轉(zhuǎn)換技術(shù)對(duì)說話人的情感也能做出完美還原。目前，思必馳聲音轉(zhuǎn)換技術(shù)支持開心、沮喪、生氣等情感的轉(zhuǎn)換。

（2）支持多語言轉(zhuǎn)換

思必馳語音轉(zhuǎn)換技術(shù)不僅支持中文轉(zhuǎn)換，還支持英語、日語轉(zhuǎn)換，滿足用戶多語言需求。

（3）超高還原度，“千人單音”

思必馳聲音轉(zhuǎn)換技術(shù)可對(duì)音色進(jìn)行高度還原，不論原始音色如何，都可以轉(zhuǎn)換為指定音色，做到“千人單音”。

思必馳語音轉(zhuǎn)換技術(shù)之所以能做到多風(fēng)格、多語言的轉(zhuǎn)換，主要運(yùn)用到了深度學(xué)習(xí)、音色分離、高質(zhì)量聲碼器等技術(shù)。聲音轉(zhuǎn)換模型由聲學(xué)模型和聲碼器組成，聲學(xué)模型通過內(nèi)容編碼器從錄音中提取出發(fā)音內(nèi)容、韻律、情感、風(fēng)格，并通過音色編碼器從目標(biāo)角色音頻中提取出音色特征，最后通過聲碼器轉(zhuǎn)換為目標(biāo)角色聲音。

思必馳聲音轉(zhuǎn)換技術(shù)服務(wù)將支持云端在線服務(wù)及本地部署，在視頻配音、人工客服、直播互動(dòng)、游戲娛樂等領(lǐng)域有很大落地空間。

在動(dòng)漫配音領(lǐng)域，動(dòng)漫IP往往有固定的配音人員，有了聲音轉(zhuǎn)換技術(shù)以后，不同的配音人員均可以為該IP進(jìn)行配音，避免因工作人員調(diào)動(dòng)產(chǎn)生前后配音不一致的情況；在人工客服場景中，好聽的聲音往往更能打動(dòng)消費(fèi)者，通過聲音轉(zhuǎn)換技術(shù)，“甜美客服”不再一“聲”難求。在日益發(fā)達(dá)的短視頻領(lǐng)域，博主可通過聲音轉(zhuǎn)換技術(shù)為短視頻配上具有特色的音頻解說。

除語音轉(zhuǎn)換外，思必馳在聲音復(fù)刻、情感合成、“單人千音”等全鏈路語音交互技術(shù)上碩果累累，為智能語音的場景落地提供了多樣化的選擇。

思必馳語音技術(shù)

1.思必馳DUI平臺(tái)上線“單人千音”，各地方言AI隨心切換

2.聲音“克隆”要多久？僅需一句話，快速復(fù)刻你的聲音

3.思必馳情感語音合成“以聲傳情”，讓機(jī)器人表達(dá)更有溫度

4.1024程序員節(jié)丨點(diǎn)擊接收24K高保真祝福

5.語音編輯，讓智能播報(bào)更自然，思必馳TTS技術(shù)上新第一更！

6.思必馳發(fā)音人音色定制平臺(tái)，快來PICK你最愛的音色！

未來，思必馳將基于DFM-2大模型，結(jié)合全鏈路語音交互技術(shù)進(jìn)行技術(shù)聯(lián)動(dòng)，推動(dòng)智能語音在各個(gè)領(lǐng)域的落地，助力產(chǎn)業(yè)數(shù)智化轉(zhuǎn)型。