极限元：AI虚拟主播、实时变声、说话人自适应等解决方案

新知榜官方账号

2023-10-11 18:10:42

AI虚拟主播解决方案

极限元AI虚拟主播基于少量的音视频数据即可快速生成主播形象，输入文本就可以生成具备同步口型、丰富面部表情及各类型动作的AI合成主播播报的音视频，结合语音识别、语义理解、语音合成、虚拟形象驱动等AI核心技术，通过手机APP、大屏一体机等终端展现形式，实现用户与虚拟客服之间的“面对面”互动交流、业务咨询、智能问答、服务导览。

方案构成：

虚拟形象支持卡通、真人虚拟形象，可半身、全身形象播报。
快捷定制、实时合成自主研发的语音合成技术，可为形象定制专属音库，快速将文本内容转换成虚拟主播视频，实时播报。
表情、动作生成实时处理面部口唇动作，真实自然生动。通过语音内容驱动模型头部动作及身体动作。
多语言播报支持中文、英文、粤语等多种语言播报。
AI系统生成虚拟主播系统，支持音频、视频实时快速导出，满足各种场景的内容自动化生产。

实时变声解决方案

实时变声技术可以通过提取原声语音中的内容信息，包括原声的节奏和情感，再结合特定人的音色进行转换结合，可以惟妙惟肖地复刻模仿特定人的声音，这种基于音色与内容分离的声音转换技术，实现了声音的cosplay，对用户本身的音色没有任何限制。极限元推出了语音实时变声技术，是智能语音方面新的突破，语音变声不仅能实现说话人音色的逼真转换，而且还能将说话人的语速、停顿等韵律、情感、言语方式在所指定的人物角色逼真体现出来，在不同人的声音中切换自如实现自然的变声效果。

可实现以下功能：

音色个性化定制：根据客户场景，灵活定制各类变声音色
多场景变声服务：针对变声需求，提供语音实时变声、非实时变声，灵活满足不同场景
高性能服务保障：语音公有云，提供高并发的云服务支撑
专属私有化部署：针对网络环境、安全保密性等特殊要求，提供客户专属的变声私有云部署
稳定技术接口：满足多种产品端接入需求，提供稳定技术接口，可灵活定制如：不同角色变声为“太乙真人”声音皮肤：不同角色的音色+动画角色的风格

说话人自适应解决方案

极限元说话人自适应解决方案在性能上发音更清晰，音色更逼真，韵律更自然，用户仅需数分钟左右即可完成录制，大幅度降低了合成音库定制门槛，全自动化处理与训练，即可拥有接近原声声音的个性化定制模型，快捷实现文本转语音功能，实现高度音色还原度、个性化。广泛应用到智能硬件、语音导航、机器人陪伴、有声读物等领域。

自适应合成流程：

数据自动采集标注，运用asr对录音进行标注与检查，判断数据质量；
说话人特征空间建模及声学模型自适应，定制个性化模型；
神经网络声码器自适应；
模型训练完成的自动判断与评估；

极限元孵化于中国科学院，累计服务项目数百项，涵盖公共安全、教育、娱乐、金融、医疗、智能硬件等领域；随着AIOT与5G的不断融合，语音作为人机交互的基础，我们可能将更多的技术融入相应的设备里，形成多元化的产品体系。增加个性化定制的交互场景，实现“千人千面”的体验。也将语音变声、AI合成主播技术、说话人自适应等与行业结合，运用到媒体、教育、内容制作、旅游等场景，将会带来更大的价值想象空间。

本页网址：https://www.xinzhibang.net/article_detail-16398.html

寻求报道，请

关键词

分享至微信：

相关工具

一帧秒创

简单好用的AI智能视频创作平台

Gencraft

AI艺术画视频生成工具

SteveAI

Animaker旗下AI在线视频制作工具

Hour One

人工智能文字到视频生成

Veed Video Background Remover

Veed推出的AI视频背景移除工具

Synthesys

AI虚拟人出镜讲解

Gemini的展示是剪辑造假？我们亲测了一下，发现...

Gemini的展示是剪辑造假？我们亲测了一下，发现...最近Gemini的展示引起了一些疑问，有人认为其中有剪辑造假的成分。我们进行了调查和测试，发现一些问题。首先，我们发现在Gemini的展示视频中，有些镜头明显是经过剪辑处理的。这些镜头可能是为了突出产品的特点而加入的，但也可能会误导观众。其次，

分类标签 Gemini展示剪辑造假

12-10 08:00

阿里云通义听悟正式上线，成为国内首个开放公测的大模型应用产品

阿里云通义听悟正式上线，成为国内首个开放公测的大模型应用产品6月1日，阿里云宣布通义大模型进展，聚焦音视频内容的AI新品“通义听悟”正式上线，成为国内首个开放公测的大模型应用产品。阿里云方面透露，通义听悟接入了通义千问大模型的理解与摘要能力，可成为用户工作学习中的得力AI助手，帮助随时随地高效完成对

分类标签阿里云通义听悟大模型应用

11-30 22:13

AI技术被骗子利用，智能AI技术进行电信诈骗的案件被曝光

AI技术被骗子利用，智能AI技术进行电信诈骗的案件被曝光随着AI技术的普及，带来的副作用也日益显现。证据存证，真实不可篡改AI这一技术，能让视频中的人物变脸、变声。有人用它诈骗，有人将自家主播的脸换成明星的脸带货捞钱。只要你一不小心就会“入套”。或许很多人没有意识到问题的严重性，认为技术还没有成熟到

分类标签 AI技术骗子电信诈骗

11-19 16:20

Meta发布了一款突破性的语音生成AI模型Voicebox

Meta发布了一款突破性的语音生成AI模型VoiceboxMeta介绍了一种「突破性」的生成式语音系统，它可以合成六种语言的语音，执行噪声消除、内容编辑、风格转换和多样化样本生成。Voicebox是第一个没有经过专门针对语音生成的训练，却可以泛化到语音生成任务的模型。Voicebox可以创建多种样式

分类标签 Meta语音生成AI模型

10-11 18:12

Meta推出通用性最高的语音生成AI工具Voicebox，Gannett引入AI协助撰写新闻，NYU研究人员通过ChatGPT设计芯片

Meta推出通用性最高的语音生成AI工具Voicebox18日（美国当地时间17日），Meta推出突破性文本转语音的AI工具Voicebox，可以合成六种语言的语音，执行降噪、内容编辑、转换音频风格等。Meta称其为目前通用性最高的语音生成AI，比相仿模型快20倍。根据Meta的说法，Voicebo

分类标签 MetaVoiceboxGannettAIChatGPTNYU

10-11 18:08

TAVMedia：全平台视频剪辑方案

背景这几年短视频行业的迅速发展，视频内容生产作为内容生态的重要一环，逐渐成为内容平台必备基础能力，像手Q、抖音、快手、视频号等各种内容或社交类产品，都需要音视频编辑能力。除短视频行业之外，AMS广告对于动态视频需求也愈发强烈，游戏行业对于战报视频也成为刚性需求，比如头部的王者战报、吃鸡战报等等。但是

分类标签短视频智影TAVMedia

10-04 22:22

腾讯智影AI智能成片技术的应用场景和未来发展前景

腾讯智影AI智能成片技术的技术原理腾讯智影AI智能成片技术是一种非常强大的智能化影像处理技术，它基于图像识别和深度学习算法，通过分析大量的影像数据，学习和模仿专业导演的创作过程。这项技术能理解影像的内容，识别出不同的场景、人物和动作等元素，并根据这些元素来自动进行剪辑和后期处理。具体来说，这个技术首

分类标签腾讯智影AI智能成片技术应用场景

10-04 22:20

Python语音识别程序

Python语音识别程序该程序使用Python的SpeechRecognition库和Pyaudio库实现语音识别和播放功能。程序首先创建一个Recognizer对象，并使用麦克风录制语音。然后使用recognize_google方法将语音转换为文本，并将结果打印出来。最后使用Pyaudio库播放录

分类标签 Python语音识别SpeechRecognition

10-03 07:06

录音回听：提高口语表达能力的有效方法

录音回听是提高口语表达能力的有效方法之一。通过录制自己的语音并回听，可以发现自己的不足之处并加以改进。以下是具体方法和注意事项：1. 记住一小部分录音选择30秒到1分钟的录音时间，可以是一段英语播客、一段小课堂讲解或一段TED演讲等。首先听一遍录音，然后默读文本并边听边跟读，最后尝试背诵整段录音。2

分类标签录音回听口语表达能力语音训练

10-03 07:04

联合国报告批评AI语音助手存在性别偏见问题

联合国报告批评AI语音助手存在性别偏见问题近日，联合国教科文组织（UNESCO）发布一份146页的报告《如果我能，我会脸红》（I'dblushifIcould）批评多数AI语音助手中潜藏着的性别偏见问题。报告指出，Alexa和Siri等多数人工智能语音助手将声音默认设置为女声，且强化了千篇一律的、顺

分类标签 AI语音助手性别偏见联合国报告

10-02 02:20