美科技公司BabelOn推出語音合成新技術(shù)，超越siri等數(shù)字聲音，實現(xiàn)多語言個性化聲音合成。

語音合成，即合成人的聲音，已經(jīng)不是什么新鮮的事物。近來，舊金山一家叫BabelOn的公司正在推陳出新。該公司表示，他們的特定硬件和軟件組合可以從視覺和聲音兩方面分析出人類發(fā)聲的特點，合成你想要的任何語言版本的效果。

最初，該公司希望將該技術(shù)用于改進譯制影片或本地化視頻游戲的配音，但后來，他們表示希望最終能夠?qū)崟r翻譯演講，比如說Skype通話。微軟已經(jīng)做了一段時間，即實時翻譯Skype語音電話，但是BabelOn承諾，它的翻譯聲音聽起來就像你本人說的，而不是一個匿名的Siri或Cortana等數(shù)字聲音。

時機造就BLIP

聯(lián)合創(chuàng)始人Daisy Hamilton的父母早期就注意到了電影行業(yè)需要更好的各種語言配音的需求，后來在語音合成和智能系統(tǒng)領(lǐng)域的專家的幫助下，他們獲得了核心專利，這是第一個類似的視覺和聲音翻譯的過程和系統(tǒng)。

隨后，他們試圖用軟件為這種新技術(shù)構(gòu)建一個原型，但很快碰壁，因為支持這項核心技術(shù)的其他技術(shù)和設(shè)備都無法實現(xiàn)，那時還是2004年，運動捕捉技術(shù)連曇花一現(xiàn)都算不上。很快他們意識到?jīng)]有必要推進技術(shù)，因為當時不可能取得進展。直到2011年，Hamilton認識到時機成熟。縱然明白支持該核心技術(shù)的其他技術(shù)和硬件設(shè)備十分復雜，困難重重，BabelOn公司依然決定開始將核心技術(shù)的擴展和整個系統(tǒng)的研發(fā)付諸實踐。

合成過程的核心部分是創(chuàng)建一個BabelOn語言信息配置文件（BLIP）。據(jù)悉，在該公司的舊金山工作室里，通過讓參與者閱讀各種情感狀態(tài)的特定文本，個人的BLIP就可以在約兩小時的時間內(nèi)創(chuàng)建。并且聲音一旦錄制，系統(tǒng)就能夠根據(jù)相應情感需求來復制腳本，將個人的聲音轉(zhuǎn)換成其他語言，生成相應版本的語音，而無需重新找母語者錄制。

核心優(yōu)勢：捕捉技術(shù)

在語言開發(fā)方面，該公司專注于英語、法語、西班牙語、德語、葡萄牙語、普通話、日語和印地語，其他語言也將根據(jù)需求上線。

在硬件上，BabelOn是與勞倫斯利弗莫爾國家實驗室合作開發(fā)的，該實驗室是一個專注于開發(fā)科學和技術(shù)的聯(lián)邦機構(gòu)。Hamilton沒有提供許多其他細節(jié)，但表示，希望最終可以在舊金山以外的地方設(shè)立多個工作室。

值得關(guān)注的是，不同于傳統(tǒng)的語音捕捉技術(shù)，BabelOn并不單單只捕捉聲信號這一項因素，該公司的定制硬件還可以捕捉和分析呼吸，聲信號如何在你的胸部和喉嚨、嘴巴移動以及各種其他關(guān)鍵因素。

技術(shù)發(fā)展前景與潛在問題

Hamilton表明，雖然目前完全處理腳本需要幾個小時的時間，但是，隨著進一步的改善，系統(tǒng)將會在近期實現(xiàn)實時工作。不言而喻，這將大大擴展在電影和游戲領(lǐng)域的功能，并且可以用自己的聲音，使多語言對話變得更加個性化，更具表現(xiàn)力。

但也存在很多潛在的危險，其中最重要的是有人的聲音被“偷走”，并以她不同意的方式使用。所以安全因素將成為向消費者推廣該技術(shù)過程中的一巨大障礙，即使Hamilton已經(jīng)就此做出一定的努力，但仍需要進一步優(yōu)化和大量的努力。

總結(jié)

該技術(shù)本身很有趣，但有一點需要我們注意：這是BabelOn的早期，我們還沒有看到這個軟件的應用，而且公司目前還沒有客戶端，所以具體應用效果尚未可知。不過就應用前景和公司透露的信息來看，該項技術(shù)依然是值得關(guān)注和期待的。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！