思必驰最新推出语音转换技术可实现情感转换、多语言转换及“千人单音”

思必驰最新推出语音转换技术可实现情感转换、多语言转换及“千人单音”

在动漫《名侦探柯南》中，柯南有个变声蝴蝶结，可以模仿任何人的声音，从而隐藏自己的身份。现在，思必驰最新推出语音转换技术，也可以实现这样的功能。

思必驰的语音转换技术是基于深度学习及高质量声码器的，可以在保留说话人原始语音内容的同时，将说话人的音色转换为指定说话人的音色。同时，该技术还可以保留原说话人的语速、频率、情感等风格特色，且支持英语、日语等多语言转换。目前，该技术可应用于视频配音、游戏娱乐、人工客服等场景。

语音转换技术的应用

语音转换（Voice Conversion,VC）即在保留语音内容的同时，将原说话人的音色转换成指定说话人的音色。传统变声工具中，仅仅是对音色进行改变，不能进行跨语言、多情感风格的转换，转换效果较为机械。而思必驰的声音转换技术则具有情感转换、多语言转换、“千人单音”的特点。

• 支持情感转换：思必驰声音转换技术支持开心、沮丧、生气等情感的转换，可以做到完美还原。
• 支持多语言转换：思必驰语音转换技术不仅支持中文转换，还支持英语、日语转换，满足用户多语言需求。
• 超高还原度，“千人单音”：思必驰声音转换技术可对音色进行高度还原，不论原始音色如何，都可以转换为指定音色，做到“千人单音”。

思必驰语音转换技术之所以能做到多风格、多语言的转换，主要运用到了深度学习、音色分离、高质量声码器等技术。声音转换模型由声学模型和声码器组成，声学模型通过内容编码器从录音中提取出发音内容、韵律、情感、风格，并通过音色编码器从目标角色音频中提取出音色特征，最后通过声码器转换为目标角色声音。

应用场景

思必驰声音转换技术服务将支持云端在线服务及本地部署，在视频配音、人工客服、直播互动、游戏娱乐等领域有很大落地空间。在动漫配音领域，动漫IP往往有固定的配音人员，有了声音转换技术以后，不同的配音人员均可以为该IP进行配音，避免因工作人员调动产生前后配音不一致的情况；在人工客服场景中，好听的声音往往更能打动消费者，通过声音转换技术，“甜美客服”不再一“声”难求。在日益发达的短视频领域，博主可通过声音转换技术为短视频配上具有特色的音频解说。

除语音转换外，思必驰在声音复刻、情感合成、“单人千音”等全链路语音交互技术上也有很多成果，为智能语音的场景落地提供了多样化的选择。未来，思必驰将基于DFM-2大模型，结合全链路语音交互技术进行技术联动，推动智能语音在各个领域的落地，助力产业数智化转型。