近日，喜馬拉雅的“單田芳大師聲音重現(xiàn)”項目在2022年度工業(yè)和信息化部新聞宣傳中心（人民郵電報社）“ICT優(yōu)秀案例”征集活動中，榮獲“超卓互聯(lián)網(wǎng)應(yīng)用”榮譽稱號，這肯定了喜馬拉雅通過技術(shù)不斷創(chuàng)新內(nèi)容生產(chǎn)方式、賦能音頻行業(yè)發(fā)展所作出的努力。喜馬拉雅已成為音頻領(lǐng)域AIGC的先行者，推動著音頻行業(yè)的技術(shù)革新。

喜馬拉雅始終堅持以科技賦能文化，通過AI技術(shù)，賦能創(chuàng)作者、服務(wù)用戶。如今，喜馬拉雅正在現(xiàn)有的“UGC+PGC+PUGC”內(nèi)容生態(tài)之外，探索多模態(tài)AIGC的更多可能性。單田芳大師聲音重現(xiàn)項目是喜馬拉雅AIGC的標(biāo)桿項目，喜馬拉雅通過TTS（文字轉(zhuǎn)語音）技術(shù)完美還原已逝的單田芳先生的聲音，首次將單田芳先生的AI合成音全新演繹聽眾耳熟能詳?shù)慕?jīng)典之作。截至目前，喜馬拉雅已上線100多張運用單老AI合成音制作的AIGC專輯，總播放量超過1億。其中，有15張專輯播放量破百萬，例如，《民國四大家族》播放量近730萬，《十二金錢鏢》播放量近700萬，《臥虎藏龍全集》播放量超390萬。

這一項目所使用的TTS技術(shù)由喜馬拉雅珠峰智能實驗室自主研發(fā)，該實驗室定位于新一代數(shù)字出版平臺技術(shù)研發(fā)，長期專注于語音合成、識別、語音信號處理、編解碼以及智能音效的研究和開發(fā)，由喜馬拉雅首席科學(xué)家盧恒博士帶領(lǐng)。目前，這一實驗室已在多種技術(shù)的研究和應(yīng)用上取得了突破。

喜馬拉雅自研的TTS前端文本處理分析模塊已經(jīng)能夠高精度、全自動地對文本進行多音字識別、韻律預(yù)測和風(fēng)格分類，并已開發(fā)出可以實現(xiàn)多情感、多風(fēng)格、多語種聲音的TTS技術(shù)模型，不僅可以演繹不同情緒的文字，還可以自動區(qū)分旁白、對白，并支持英文，極大地豐富了TTS能表達的情感和韻律，這讓單田芳先生聲音的重現(xiàn)成為可能。為了最大程度保留單老那蒼勁、沙啞的獨特嗓音以及情感充沛、跌宕起伏的評書腔調(diào)，喜馬拉雅珠峰智能實驗室還通過自主設(shè)計單獨的韻律提取模塊，讓單老的AI合成音仿佛本尊再現(xiàn)。

喜馬拉雅成多情感、多風(fēng)格、多語種聲音的TTS技術(shù)模型可廣泛運用于圖書、期刊、報紙、新媒體等多種內(nèi)容的數(shù)字出版、語音修復(fù)、語音再現(xiàn)等。另外，AIGC制作速度快、成本低，這極大地革新了音頻行業(yè)的內(nèi)容生產(chǎn)方式，讓內(nèi)容生產(chǎn)更高效。

目前，喜馬拉雅已經(jīng)與近百家網(wǎng)絡(luò)平臺和出版機構(gòu)合作，運用TTS技術(shù)上線近6萬張AIGC專輯。不僅為上游出版產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型提供技術(shù)平臺支持，通過數(shù)字化分發(fā)提高其經(jīng)濟效益，也讓下游用戶能更便捷地享受邊聽邊看的內(nèi)容消費體驗。

同時，喜馬拉雅也通過AIGC也進一步賦能創(chuàng)作者，幫助其高效生產(chǎn)音頻內(nèi)容，推動創(chuàng)作者布局音頻，讓作家、撰稿人、主播等內(nèi)容創(chuàng)作者能更輕松地將內(nèi)容通過聲音帶到用戶耳邊。

目前，喜馬拉雅已申請了20多項語音技術(shù)相關(guān)專利，其中有10多項TTS語音合成相關(guān)專利， 還有兩項語音技術(shù)成果先后被世界頂尖學(xué)術(shù)會議“2022年IEEE國際音頻、語音與信號處理會議”收錄。除了TTS技術(shù)，喜馬拉雅在其他技術(shù)領(lǐng)域也成果頗豐。2022年8月，喜馬拉雅ASR技術(shù)在SpeechIO TIOBE評測中獲得第一名。 同時，喜馬拉雅還通過AI文稿、喜馬拉雅專屬音效、全景聲長音頻內(nèi)容打造、喜韻音坊AI剪輯工具等，賦能創(chuàng)作者、服務(wù)用戶，讓內(nèi)容生產(chǎn)提效，讓內(nèi)容體驗增值。未來，我們將有望看到更多AI技術(shù)在喜馬拉雅平臺上落地生根，推動著音頻行業(yè)不斷發(fā)展。

（推廣）