在語音交互領域，語音合成是重要的一環，其技術也在不斷發展。近年來，人們對情感合成的興趣和需求越來越高。情感語音合成會讓機器如真人一樣和我們交流，它可以用憤怒的聲音、開心的聲音、悲傷的聲音等不同情緒來表達，甚至是不同強度的不同情緒。

而情感語音轉換技術可以在保持說話人身份和語言內容不變的前提下，將語音從一種情感狀態轉換為另一種情感狀態。簡單說就是在保持良好的目標說話人音色的同時，將情感表達從一個情感說話人適當地遷移到目標說話人。

情感語音合成技術

情感語音合成系統可以使用說話人及情感嵌入的模型方案。用情感做標簽，即在原有網絡基礎上增加一個情感標簽，這些情感的信息會通過網絡得到學習。

說話人嵌入是通過神經網絡來得到一個說話人向量，需要一定規模的多人數據庫進行訓練。

情感嵌入則需要情感數據結合說話人向量來實現情感語音合成的模型，所以需要高質量、多情感的數據。

情感語音轉換技術

如跨說話人情感遷移可以利用情感和音色擾動，分別學習說話人和情感相關的語譜，為最終的語音生成提供顯式的情感特征。說話人相關即保持目標說話人的音色，情感相關即捕捉源說話人的情感表達，因此需要多人多情感和多人無情感的數據來共同訓練。

情感語音應用場景

虛擬形象：可以讓虛擬的人物具有一定的情感表現能力。

短視頻配音：可以為短視頻的內容進行配音，使內容更加生動有趣。

游戲角色：可以讓用戶在游戲中有更好的體驗。

影視動畫：可以進行生動的解說。

智能客服：可以提高人機交互體驗，讓互動充滿樂趣。

作為全球領先的人工智能的數據服務商，數據堂可以為客戶提供豐富的情感語音數據，通過這些數據訓練的人工智能，合成在情感和表達上更加豐富的語音，讓合成的聲音更加自然真實，更好的應用在不同的場景。

審核編輯 黃宇