“聲音復刻”來了，克隆的聲音可以喚醒聲紋嗎？
“聲音復刻”又稱“聲音克隆”，是語音合成技術（TTS ，Text To Speech）的個性化應用，用戶可通過少量的錄音進行模型訓練，得到與用戶本人在音色和發音風格上非常相似的聲音模型，快速“復刻”個性化聲音，該“復刻”聲音可使用在講故事、播天氣、讀小說、導航播報等功能場景。
TTS（Text－To－Speech，語音合成）對比熟悉的ASR（語音識別）技術，是將文字轉化為聲音“朗讀出來”，常見的Siri、小愛同學等語音助手的聲音，都是TTS技術的“杰作”。
近日，思必馳DUI開放平臺上線“聲音復刻”技術服務，支持男聲、女聲、童聲的復刻，支持中、英文文本，支持UTF－8等多種文本格式，支持SSML標簽控制。同時，該服務支持8k、16k、32k等多種采樣率，支持合成mp3、wav、pcm等多種音頻格式……
快速定制 專屬音色
如果想用愛豆或親人的聲音做終端設備的語音播報，用戶只需要錄制≤5分鐘語音內容，等待10分鐘左右即可獲得“專屬音色”。
思必馳語音合成技術是如何通過少量的數據，訓練出一個高還原度的聲音模型呢？
思必馳TTS技術，基于多年累積的多說話人的聲學特征，將新數據輸入既有的模型參數里進行遷移學習和精調，通過20句錄音等少量語料，就可訓練出高相似度的聲音模型。模型通過短時間訓練完成“克隆”，保持了較高的MOS值（中文普通話場景下，相似度≥90％），還原度高。TTS技術上線DUI開放平臺后，使用更便捷，提供API、SDK接入方式，滿足標準化的服務要求。
技術的升級是漸進的，思必馳充分利用基于Attention的機制，及遷移學習技術，提升了聲音復刻的效果，改善用戶體驗。受限于較少的數據量，如何保證穩定輸出是訓練模型時要面對的挑戰。但在未來，少樣本音色克隆仍是研究趨勢。
復刻的聲音 還安全嗎？
以智能語音技術的另一項黑科技——“聲紋識別”來作為參照。人的“聲紋”是類比指紋一樣獨一無二的存在，常被用作身份驗證和解鎖。常見的支付寶、微信的聲音鎖背后都是聲紋技術。
“克隆”的聲音可以 “瞞過”聲紋喚醒嗎？是否會有安全隱患？
常規聲紋解鎖，使用“復刻”的聲音確實能解鎖設備。但當思必馳在聲紋技術中增加了反欺詐技術后，聲音復刻便無法闖關帶有防欺詐的聲紋，安全性得到保障。
“克隆”專屬聲音，不僅是新鮮感、娛樂性，更是AI技術拓展應用惠及到了普通大眾，能克隆出媽媽聲音的音箱帶給了孩子更多陪伴。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
