酷应用

什么！跟我说话的竟然是AI！

百家作者：微软科技 2022-02-07 13:08:39

（本文阅读时间：8分钟）

小编说：在这个技术快速更迭的时代，人工智能的可能性在逐渐拓宽。为了让大家可以更好的理解人工智能在智能语音方面的强大能力，今天小编就来详细为大家介绍微软在人工智能TTS语音合成（Text-to-Speech）技术上的一些最新进展。

不同对话场景

用户期待不同语气的拟人 AI 语音

TTS 语音已被越来越多地用于支持人机对话或机器辅助的日常交流——例如人与人之间对话的同声传译。在这些场景中，人们普遍期待能够实现更自然、更口语化的对话风格。我们不妨从以下三个典型场景中，来理解用户对于对话声音和风格的不同需求。

客服机器人：语气要自然、友好且专业

很多企业正在使用支持语音的聊天机器人或 IVR（互动式语音应答）系统，为客户带来相比传统方式更为高效、体贴的客户服务。例如国际移动通讯网络公司沃达丰就成功地创建了一个拥有自然语音的客服机器人 TOBi。Azure 的人工智能和自然语言处理功能赋予了 TOBi 鲜明的个性，使客户与 TOBi 之间的人机对话变得轻松自然，让客户更乐于与之交流。

设想这样的情景：在客户对 TOBi 报出姓名后，当 TOBi 需要了解客户的地址以便提供进一步服务时，TOBi 并不会生硬地接着发问：「请说出您的地址。」而是会这样表达：「嘿，好名字！接下来我还需要了解一下您住在哪里？」此时此刻，客户一定希望 AI 能够以听起来热情、友好、温暖，且又专业的声音来说出这句话。类似的需求不仅体现在 AI 解答客户疑问时，还适用于 AI 语音向客户打招呼，或表达共情态度时。

个人助理：表情符号、重点强调要读懂

随着虚拟助手和虚拟现实技术的兴起，使用 Neural TTS 来支持闲聊和日常对话功能的客户数量正在不断增加。想要让 AI 与人类的对话更加自然，最主要的挑战之一在于如何让 AI 理解包含特殊字符在内的聊天用语——比如「呵呵」、「哈哈」、「哎哟」这类词汇。

这类表情符号，还有重复字母如「soooo good」——然后再以自然的语气提供即时响应。此外，让 AI 能使用不同的信息来表达相应情感，从而表现出对人类感受的共鸣感，也正在成为一种越来越普遍的用户需求。

同声传译：翻译前后说话风格、语气要一致

语音互译是又一个对话式 AI 语音可支持的典型场景。Azure Neural TTS 已覆盖 110 多种不同语言，被应用于多种翻译场景中。不过，如何在翻译的同时保持讲话者的原始语气风格，一直都是个挑战。尤其是在较为随意的对话场景中，讲话者往往会使用语气上的细微差别来与听众建立情感联系。在这种情况下，如果 AI 语音可在提供同步翻译的同时，又能捕捉并理解讲话者的风格，就能使不同语言之间的对话依然生动且具有吸引力。