声音“克隆”要多久？仅需一句话，快速复刻你的声音

“车辆已启动，走着。”

“开了挺长时间了，歇会吧，也让我歇会。”

在漫长的行车路程中，明星导航语音包因其独有的音色为我们带来了很多欢乐。这些搞笑的明星音色正是通过声音复刻制作而成。

近期，思必驰推出一句话复刻功能，用户仅需录制一句话，即可体验“克隆”后的声音。目前，声音复刻技术可应用于导航播报、讲故事、新闻播报、短视频配音等场景。

点击下方音色，猜猜哪个是复刻音色？

答案

点击下方空白处获得答案

A复刻 B真人

仅需一句话，“克隆”你的声音 

“声音复刻”是语音合成技术（TTS ，Text To Speech）的个性化应用。在传统的声音复刻过程中，往往需要耗费大量时间。

此前，思必驰DUI平台上线声音复刻技术，基于多年累积的多说话人的声学特征，将新数据输入既有的模型参数里进行迁移学习和精调，通过10句录音等少量语料，就可训练出高相似度的声音模型。

本次思必驰推出一句话复刻，用户仅需录制一句约二三十字的话，便可进行声音复刻，大大减小了对语音样本量的需求，进一步缩短了声音复刻的时间。

想要体验声音复刻的小伙伴，可以扫描上方小程序二维码，进入“小驰慧听”小程序，点击“声音复刻”栏目，输入一句话，即可“克隆”自己的声音。该小程序自带环境检测以及录制的音频质量检测，保障音频输入的质量，最大化还原用户的声音。

那么，思必驰一句话复刻具有怎样的特点呢？

●低数据量需求：

在声音复刻过程中，首先对录音进行降噪处理，然后对基础大模型局部更新参数，并提取该说话人的发音特征，使得在极少量数据的情况下仍能抓取该说话人的音色和发音习惯。因此，用户仅需输入一句约二三十字的话，即可进行声音复刻，相比以往更加便捷高效。

●无需音频标注：

在声音复刻过程中，无需开发人员进行音频标注，简化了复刻流程，提高了复刻效率，降低了成本。

●首帧延时小于300ms：

声音复刻需要经过模型训练和语音合成两个过程。目前，思必驰对声音进行模型训练仅需5分钟左右。首帧延时，即用户点击“合成”按钮到听到自己合成声音的时间，该时间小于300ms，大大提高了用户体验。

此外，思必驰支持全链路接入，仅使用一套SDK就可完成全部资源的使用，简单快捷。

声音复刻，让你的声音无处不在

我们曾幻想可以利用科技“克隆”一个自己，替自己完成低效的工作，那么，被“克隆”后的声音又可以帮助人类完成哪些工作呢？目前，声音复刻可应用于车载导航、儿童故事机、新闻播报、短视频配音、智能客服等，让你的声音在不同的场景中发挥出力量。

在儿童故事机场景中，通过复刻家长的声音，可以用儿童熟悉的亲人音色讲故事，让儿童时刻感受到父母的声音陪伴，同时将家长的时间解放出来。

在新闻播报场景中，复刻儿女的声音进行新闻播报，可以陪伴远在老家的父母，缓解父母的孤独感。

在车载导航中，家人朗读录制固定的文本，可以快速合成个性专属个人语音包。在每日上班途中，让家人的声音时刻相伴。

短视频配音场景中，声音复刻可以帮助视频创作者快速完成配音，提高内容生产效率。

在智能客服场景中，可以减少话务员的工作量，将话务员从重复的语音问答中解放出来。

声音复刻是语音合成（TTS）的子领域，是TTS的个性化应用。思必驰在语音合成领域已有多项核心专利加持。思必驰语音合成方法及系统（发明专利，专利号: ZL 2020 1 0706916.4）、基于隐马尔科夫模型的统计语音合成方法及装置（发明专利，专利号:ZL2015 1 0272044.4）、带有韵律的语音合成方法及系统（发明专利，专利号: ZL 2020 1 1643693.8）、语音合成模型训练方法和语音合成方法（发明专利，专利号: ZL 2020 1 1454223.7）等关键性技术获得国家专利。

目前，思必驰 “声音复刻”技术服务，支持男声、女声、童声的复刻，支持中、英文文本，支持UTF-8等多种文本格式，支持SSML标签控制。同时，该服务支持8k、16k、32k等多种采样率，以及mp3、wav、pcm等多种音频格式……

未来，思必驰将持续提升语音技术，为用户提供更高效便捷的语音服务，推进智能语音在各行各业的落地，为社会带来更有温度的技术服务。

—如有合作意向，请发邮件—

marketing@aispeech.com