目前，人工智能正在進(jìn)入加速發(fā)展階段，在眾多的細(xì)分領(lǐng)域中，生成式人工智能（AIGC）的發(fā)展尤為引人關(guān)注。根據(jù)各地網(wǎng)信辦發(fā)布的公告，目前全國(guó)范圍內(nèi)已有上百個(gè)生成式人工智能服務(wù)通過(guò)網(wǎng)信辦備案。很多人士關(guān)心的是，這些大模型到底會(huì)如何落地，又會(huì)給音頻等行業(yè)帶來(lái)什么樣的改變呢？

走在行業(yè)前沿的喜馬拉雅給出了這些問(wèn)題的答案，其打造的珠峰AI音視頻創(chuàng)作平臺(tái)，通過(guò)喜馬拉雅大模型，結(jié)合喜馬拉雅獨(dú)有的全品類(lèi)音色庫(kù)和數(shù)字人大模型，為創(chuàng)作人提供高品質(zhì)的AIGC和數(shù)智人服務(wù)。據(jù)了解，喜馬拉雅音頻大模型與米哈游、閱文集團(tuán)的筑夢(mèng)島等文本大模型，共同進(jìn)入了上海網(wǎng)信辦發(fā)布的新一批上海市生成式大模型備案通過(guò)名單，成為全國(guó)首個(gè)通過(guò)網(wǎng)信辦生成式人工智能服務(wù)的音頻生成類(lèi)大模型。

喜馬拉雅音頻大模型是全球首個(gè)第四代多情感演繹、超自然表達(dá)的音頻生成大模型。該模型是珠峰AI團(tuán)隊(duì)基于自研文本音頻聯(lián)合建模的LLM框架，在同一空間向量表征下實(shí)現(xiàn)音頻與文本的聯(lián)合建模訓(xùn)練。這種聯(lián)合建模的方法，充分賦予了音頻生成任務(wù)以強(qiáng)大的語(yǔ)義信息，并充分利用它們之間的內(nèi)在聯(lián)系和互補(bǔ)信息，大幅度提高模型的性能和泛化能力，這也是第四代音頻大模型超越上一代的核心技術(shù)突破。

在訓(xùn)練過(guò)程中，喜馬拉雅珠峰AI首先將音頻數(shù)據(jù)和文本數(shù)據(jù)分別進(jìn)行預(yù)處理，將它們轉(zhuǎn)化為適合模型輸入的 token 形式。將音頻 token 和文本 token 映射到同一空間向量表征中，通過(guò)使用共享的嵌入層將音頻 token 和文本 token 映射到一個(gè)共同的高維向量空間中，從而使得模型能夠更好地理解和處理音頻和文本之間的關(guān)系。整體訓(xùn)練流程包括預(yù)訓(xùn)練（Pretraining）、有監(jiān)督微調(diào)（SFT）、領(lǐng)域有監(jiān)督微調(diào)（Domain SFT）、說(shuō)話人有監(jiān)督微調(diào)（Speaker SFT）、強(qiáng)化學(xué)習(xí)（RL）幾個(gè)主要流程。

通過(guò)這幾個(gè)流程的訓(xùn)練，依托百萬(wàn)小時(shí)的自有版權(quán)音頻數(shù)據(jù)進(jìn)行訓(xùn)練后，喜馬拉雅音頻大模型具備情感輸出、自然表達(dá)、語(yǔ)種互譯、超擬人、多情感、15s音色克隆能力和聲音轉(zhuǎn)換等技術(shù)能力，在音頻生成領(lǐng)域?qū)崿F(xiàn)了多維度突破，有力地為眾多的創(chuàng)作者們賦能。