“少小離家老大回，鄉音無改鬢毛衰。”

方言，不僅是地域風物的承載，更是人與故土聯結的情感紐帶。隨著人們對智能語音需求的越來越多元化，更具鄉土氣息、更具情感聯結的方言語音正成為智能語音合成的熱門方向。

近期，云知聲基于語音合成技術，上線方言合成功能，以 AI 傳遞鄉音鄉情。

1AI遇上方言，“智”取鄉音一片

伴隨普通話的推廣普及，以及城市流動人口的增加，方言正悄悄退出人們的生活，一些地方方言甚至瀕臨失傳的境遇。讓方言走進日常，以更多樣化的形式“活”起來，已成為當前方言保護工作的重中之重。

為助力鄉音傳續，同時也更好滿足人們對智能語音的多樣化需求，云知聲基于最新語音合成深度學習技術，全面學習方言音色、風格，合成貼近真人的“數字鄉音”，讓人工智能的科技溫度浸潤到多個智能語音應用場景——

對智能家居而言，用熟悉的鄉音和用戶對話，既能夠慰藉用戶身居異地的思鄉之情，也有助于打造產品差異化優勢，更好開拓下沉市場；在智能客服領域，很多老人、弱勢群體既不會講普通話，也聽不懂普通話，方言的引入能夠大大減少雙方溝通成本，提高服務效率；直播間里，搞笑幽默的方言既能夠讓直播內容更有趣味性，也迎合了受眾聽鄉音、知鄉情的心理需求，增加了用戶黏性……

2遷移學習，讓方言合成成為現實

讓人工智能“說”出一口普通話已然不易，合成方言更是難上加難。

一直以來，方言合成存在兩大難點：

一是難以獲取大量高質量的語音數據和對應的文本信息,二是不同地區的方言之間相互獨立，在音調、聲母、韻母等方面有所差異，很難進行精確的發音和韻律標注，這無疑增加了數據標注和技術開發的難度。

利用遷移學習技術，云知聲解決了以上問題，得以在短時間內將單個發音人的音色合成粵語、四川話等方言以及英語等外語。

針對部分方言的特性，云知聲先是通過超大規模的高質量普通話數據，訓練得到端到端聲學模型和神經網絡聲碼器等基礎模型；然后，利用較大規模低質量的方言數據對基礎模型進行遷移學習，使其能更好地適應方言的語音特點；最后，使用少量較高質量的方言數據再次對基礎模型進行遷移學習，最終訓練得到方言合成模型。

在遷移學習技術的支持下，云知聲TTS已實現粵語、四川話及純正美音的合成，可覆蓋人機對話、影視配音、直播帶貨等多種場景需求，助力更多客戶實現方言及個性化聲音解決方案的落地。

通過方言合成技術，云知聲數字人也得以開口說“鄉音”，熟練“掌握”多種方言，甚至做到流暢切換。

自由切換多種方言的數字人

除了方言合成，此次，云知聲TTS還上線了rap合成功能，即使用戶五音不全，也能秒變說唱歌手，輕松玩轉freestyle。

從智能家居到呼叫中心，從生活娛樂到辦公學習，云知聲智能語音技術正不斷打破場景限制，讓AI以更豐富的聲音形象融入日常。

目前，云知聲TTS已上線28種發音人音色、64種音色風格，極大程度上滿足了用戶的多場景合成語音應用需求。

面向未來，云知聲TTS將繼續解鎖更多音色、風格，覆蓋更多應用場景，全力滿足客戶的個性化、差異化定制需求。

審核編輯：湯梓紅