“蘇州街站到了，請帶好隨身物品準備下車?！?/p>

“巴溝站到了，請帶好隨身物品準備下車?！?/p>

——地鐵語音播報編輯站名

隨著人工智能技術(shù)的發(fā)展，智能語音已融入我們?nèi)粘Ｉ畹姆椒矫婷?。在人機共生的智能時代，讓人機交互更自然、更流暢一直是人類不斷探索的目標。

近期，思必馳TTS技術(shù)上線語音編輯功能。語音編輯，即在一段語音中間插入語音內(nèi)容，或根據(jù)之前的語音風格續(xù)寫，使得插入或續(xù)寫的語音內(nèi)容與之前的語音風格完美融合，帶給用戶更自然、流暢的語音服務體驗。該技術(shù)可應用于自媒體語音修正，軌交、電商、快遞、銀行等行業(yè)中的智能客服語音播報場景，目前，思必馳語音編輯支持中文語音編輯及英文語音編輯。

語音編輯，像文本一樣修改音頻

點擊下方音頻，感受思必馳優(yōu)化后的語音編輯效果

普通語音編輯，手機號部分能聽出明顯差異

思必馳語音編輯，手機號部分與原有音頻自然融合

日常生活中，如音頻中所展示的智能客服已被廣泛應用于快遞、銀行、電商等行業(yè)場景中，為行業(yè)降本增效帶來顯著作用。廠商通過語音編輯技術(shù)，僅需對固定話術(shù)中的人名、數(shù)字等變量進行替換，便可獲得針對不同用戶的差異性播報語音，批量通知用戶，大大提高了生產(chǎn)效率。

在語音編輯過程中，最大的挑戰(zhàn)就是如何使得編輯后的語音接近原有音頻的自然和流暢。情感的細微差別、語調(diào)變化、節(jié)奏等稍有不連貫，聽眾便能從中聽出明顯的語音差異。因此，為了讓此類編輯后的語音播報更自然，人類不斷優(yōu)化語音合成技術(shù)水平。

點擊試聽思必馳語音編輯續(xù)寫后的文本

原有音頻風格

后半句為根據(jù)原有音頻風格進行編輯續(xù)寫

思必馳對語音編輯技術(shù)優(yōu)化更新，應用深度合成技術(shù)，基于大模型實現(xiàn)零樣本高質(zhì)量語音編輯，可對中英文語音進行插入文本、根據(jù)之前風格續(xù)寫等操作。經(jīng)思必馳語音編輯后的語音更流暢、更自然，帶給用戶媲美原聲的聽覺體驗。

適用各種場景，音頻創(chuàng)作更高效

目前，語音編輯已經(jīng)應用于快遞、電商、銀行等場景的智能客服以及自媒體短視頻配音修正中，為各行各業(yè)帶來更自然的語音服務。

智能客服固定話術(shù)修改變量

在快遞、電商、銀行、軌交等場景的智能客服中，常常需要用到固定話術(shù)，但與用戶通話時，固定話術(shù)需要根據(jù)不同用戶、場景對其中的變量進行修改。如：

應用場景

·張先生您好，請到樓下憑取件碼123取件；

·王女士您好，您近日在我店鋪購買的商品，如果滿意請給5分好評；

·劉先生您好，您的信用卡還款日為8月15日，請記得及時還款；

·蘇州街站到了，請帶好隨身物品準備下車；

·北京，天氣晴轉(zhuǎn)多云，氣溫25-30℃。

在此類語音播報中，應用思必馳語音編輯技術(shù)，可對固定話術(shù)中的人名、地名、數(shù)字、日期等變量進行編輯，從而快速獲得接近原聲的語音，滿足不同用戶、場景需求。

短視頻修正錄音口誤

修正前音頻

修正內(nèi)容后音頻

短視頻博主在視頻創(chuàng)作過程中，視頻素材往往有口誤、詞不達意或冗余的內(nèi)容，此時，重新對某一句話進行配音，則很難還原當時的環(huán)境音，出現(xiàn)該句配音與其他音頻存在些許差異的情況。如果對視頻一幀一幀進行修改，則需要花費大量時間。在修改音頻時，使用思必馳語音編輯技術(shù)，可對個別字詞及冗余內(nèi)容進行替換，替換后的字詞可完美融入之前的語音環(huán)境，降低語音編輯前后的差異性，獲得更自然、流暢的語音。

為了保證語音編輯技術(shù)合法使用，思必馳可通過聲紋識別對用戶上傳的公眾人物、敏感話題等音頻進行屏蔽，拒絕編輯合成，保證技術(shù)安全。

除語音編輯外，思必馳聲音復刻、本地合成、情感音色合成等多項語音合成技術(shù)都迎來更新，敬請期待！

未來，思必馳將基于DFM-2大模型，結(jié)合語音合成技術(shù)進行技術(shù)聯(lián)動，為智能汽車、智能家居、消費電子，以及金融、軌交、政務等數(shù)字政企行業(yè)場景客戶帶來更加自然、流暢的語音交互服務。

審核編輯：彭菁