拥有更完美的高保真效果及发音微软发布全新HiFiNet声码器

来源：IT之家　2021-06-25 16:38:29

微软日前发布新一代深度神经网络 HiFiNet 声码器，与微软上一代语音技术相比，由 HiFiNet 声码器合成的神经网络版声音质量再创新高，主要体现在发音更准确、韵律更自然、高保真效果更完美，更受客户青睐。自推出以来，被广泛应用到有声读物、在线教育、车载语音助手等领域。

IT之家获悉，HiFiNet 是微软神经网络版语音合成技术中最新的声音编码器，是决定音频质量的关键因素。根据专业评估语音自然度的 MOS 测试结果显示，由 HiFiNet 声码器合成的语音音质可与用于训练的真人录音样本相媲美，并同时改善毛刺、噪音等音频质量问题，输出的音质具备更高保真度，更大程度还原真人录音。

语音质量的优劣会直接影响收听者的感受，为提升用户收听的舒适度，在 Azure 语音合成系统中，神经网络声学模型基于深度网络，使用真人录音作为原始数据进行迭代训练。

首先，提取真人录音的声学特征。然后，利用真人录音的声学特征自动生成两组音频：一组真实声波(原始录音)和一组伪波(合成声波)。最后，由鉴别器区分真实声波和伪波。

随着训练次数的增多，声波生成器也会愈发“聪明”，直至生成鉴别器也无法区分的伪波，这意味着机器合成的声音已经和原始录音相差无几，从而给用户带来更自然的体验。

推荐DIY文章