元象推出高定制语音方案 克隆语音最快只需5分钟数据

元象推出了高度定制的语音方案，通过多重技术手段实现高自然度的语音交互体验。

该方案可以应用于客服、虚拟 IP、直播、有声书、语音助手等领域。在 XLand 剧本对话游戏中，元象为不同角色提供个性化配音，增强了游戏的代入感。方案的优势包括高定制性、高自然度、高性价比，快速生成千人千面、高保真、高稳定性的语音，节约时间和人力成本。

元象语音方案通过文本处理、语义情感建模、副语言识别与标注以及丰富的训练语料等技术，实现高自然度、高稳定性、多情感、多场景适配的语音合成，以及低成本高精准的声音克隆。

具体而言:

文本处理:通过自研大模型，将书面语转换为更自然的口语文本，融入更多副语言，如犹豫和结巴，以确保最终语音输出能够接近真实对话的方式。

语义情感建模:在语音生成方面，采用了BERT等模型来对语义和情感进行深度建模，不仅确保了语音咬字的准确度，在情感表达上也更加丰富多彩。

副语言识别与标注:通过训练能够精准识别笑声、哭声等副语言特征的ASR模型，有效解决了标注数据不足的问题，更好地模拟语音中的微妙情绪变化。

丰富的训练语料:模型基于上千小时的优质语音数据进行训练，涵盖了丰富语音场景，例如有声读物、人物访谈、日常聊天及影视作品等。让模型多“听”，提高其对不同情境的适应能力，增强泛化能力。