【ITBEAR】近日，RTE2024第十屆實時互聯(lián)網(wǎng)大會于北京盛大召開，本次大會由聲網(wǎng)與RTE開發(fā)者社區(qū)聯(lián)合舉辦。在備受矚目的“重塑語音交互：音頻技術(shù)和Voice AI”技術(shù)專場上，標貝科技聯(lián)合創(chuàng)始人兼CTO李秀林博士發(fā)表了題為《語音合成大模型與高質(zhì)量數(shù)據(jù)》的演講，深入探討了語音合成技術(shù)的最新進展。
李秀林博士首先回顧了語音合成技術(shù)的發(fā)展歷程，指出隨著大模型時代的來臨，用戶對于合成聲音的需求已趨向個性化和情感化。他提到，如今的語音合成技術(shù)已能在音質(zhì)、斷句、韻律等多方面實現(xiàn)高度自然與真實的表達，這得益于大模型技術(shù)的深度應(yīng)用。
標貝科技作為智能語音領(lǐng)域的佼佼者，緊跟技術(shù)潮流，推出了自家的語音合成大模型。該模型僅需極短的樣音即可生成自然且個性化的合成聲音，同時保留了樣音中的情感特征，為用戶提供了更為貼心的語音交互體驗。
李博士還強調(diào)了高質(zhì)量數(shù)據(jù)在語音合成大模型訓(xùn)練中的重要性。他表示，標貝科技擁有豐富的多模態(tài)數(shù)據(jù)資源和精標數(shù)據(jù)能力，為模型訓(xùn)練提供了堅實的基礎(chǔ)。通過大規(guī)模、多樣化的數(shù)據(jù)集訓(xùn)練，標貝科技的語音合成大模型得以在多個語種和風(fēng)格上實現(xiàn)出色的表現(xiàn)。
目前，標貝科技已建立起涵蓋40余種語種及方言的高標準合成數(shù)據(jù)庫，滿足不同年齡段、風(fēng)格和情感的需求。這些豐富的數(shù)據(jù)資源為語音合成技術(shù)的進一步發(fā)展和創(chuàng)新提供了有力支撐。
通過李秀林博士的深入解讀，與會者對語音合成大模型及其背后的高質(zhì)量數(shù)據(jù)支撐有了更為全面的了解。標貝科技在智能語音領(lǐng)域的持續(xù)創(chuàng)新和應(yīng)用實踐，無疑為行業(yè)的未來發(fā)展注入了新的活力。
