喜馬拉雅公布過一則數(shù)據(jù)，其用單田芳AI合成音制作的TTS（語(yǔ)音合成）專輯總播放量已經(jīng)破億。這一數(shù)據(jù)，喻示著在喜馬拉雅“UGC+PGC+PUGC”內(nèi)容生態(tài)之外，又多了一個(gè)AIGC的內(nèi)容生態(tài)。
事實(shí)上，音頻行業(yè)其實(shí)一直存在著許多問題，比如單個(gè)創(chuàng)作者創(chuàng)作形式單一、生產(chǎn)周期長(zhǎng)、內(nèi)容成本高等等。而為了突破這些問題，音頻行業(yè)一直也都在做各種嘗試。比如，喜馬拉雅最近上線了喜韻音坊創(chuàng)作者平臺(tái)，試圖用AI為創(chuàng)作者賦能的方式，以技術(shù)手段來解決行業(yè)沉疴。恰好也是今年，喜馬拉雅的兩項(xiàng)智能語(yǔ)音技術(shù)相關(guān)論文被2022年國(guó)際音頻、語(yǔ)音與信號(hào)處理會(huì)議（ICASSP）收錄。
喜馬拉雅創(chuàng)始人兼CEO余建軍之前也提過，喜馬拉雅是一家科技驅(qū)動(dòng)的內(nèi)容公司，科技是手段，文化是目的。那么，在這次喜馬拉雅以通過科技賦能文化的過程中，又是如何改變音頻行業(yè)的呢？配音小說用AI工具一天更新上百集“以前從來沒有想過，音頻節(jié)目可以一天更新上百集?！边@是喜馬拉雅的音頻主播“CV千索”用過喜韻音坊之后的感嘆。
喜韻音坊是喜馬拉雅上的一個(gè)創(chuàng)作者平臺(tái)，它通過TTS技術(shù)幫助主播實(shí)現(xiàn)與AI共同創(chuàng)作音頻節(jié)目。“CV千索”就是通過這項(xiàng)技術(shù)在喜馬拉雅上創(chuàng)作了有聲書《史上最強(qiáng)撿漏王》，上線一個(gè)多月，播放量已經(jīng)超過300萬。工欲善其事必先利其器，創(chuàng)作者有了AI工具，就可以大幅提升創(chuàng)作效率，進(jìn)而提升收益。
但要打造一個(gè)好工具也并非易事，喜韻音坊對(duì)于喜馬拉雅來說，就如同剪映之于抖音，但音頻制作本身又有不同的技術(shù)難點(diǎn)?！癟TS”是將輸入的文本轉(zhuǎn)換為語(yǔ)音的技術(shù)統(tǒng)稱，在許多場(chǎng)景中都有應(yīng)用。但在不少場(chǎng)景中，比如在電話客服、機(jī)器人等身上，經(jīng)常會(huì)有冷冰冰的“機(jī)器音”讓人非常“出戲”。但在音頻節(jié)目中，我們需要聲音有情緒、有溫度：聽童話故事的時(shí)候，聲音俏皮可愛；講軍旅故事的聲音，鏗鏘有力；聽歷史故事，又需要它深沉雄渾。
喜馬拉雅智能語(yǔ)音實(shí)驗(yàn)室自主設(shè)計(jì)了單獨(dú)的韻律提取模塊，并將其融入到HiTTS技術(shù)框架中。而針對(duì)單老評(píng)書中區(qū)別于標(biāo)準(zhǔn)普通話的發(fā)音，團(tuán)隊(duì)還設(shè)計(jì)了口音模塊對(duì)這些特殊發(fā)音進(jìn)行標(biāo)注，使得AI合成音能夠原汁原味地還原出老味道。由于技術(shù)上的創(chuàng)新，喜馬拉雅用TTS合成語(yǔ)音所制作的AIGC專輯幾乎能夠以假亂真。
如今，喜馬拉雅多情感、多風(fēng)格、多語(yǔ)種聲音的TTS技術(shù)模型已經(jīng)廣泛被運(yùn)用于評(píng)書、新聞、小說、財(cái)經(jīng)等多種類型AIGC內(nèi)容的制作中。