搜狗输入法“变声”新功能上线 你也能说出志玲姐姐的娃娃音

微信聊天时发长语音“炸弹”常常遭嫌弃 ，“能打字就别发语音”逐渐成为当代网络社交礼仪的“潜规则”。但如果跟你聊天的是女神林志玲姐姐/老公吴彦祖呢？

日前，搜狗输入法上线了“变声”新功能，可以用户声音瞬间“变成”设定的明星、动漫等角色的声音，与心目中的男神女神对话之梦既成现实。

声音上演“百变大咖秀”

《2018年手机输入法语音输入市场研究报告》显示，搜狗输入法的市场份额占比高达70.9%，稳居首位且遥遥领先，其中日均高达5.34亿次的语音请求频次超过了讯飞与百度之和。语音输入日渐上升为主流输入方式，已经成为拉动输入法新增长的驱动力。有AI赋能的输入法，如何实现语音领域的差异化竞争，是包括搜狗在内的各品牌极为关注的。

5月21日，搜狗输入法上线了一个十分有趣的功能——“变声”。该功能由搜狗知音团队支持，可以将任意说话人的声音实时变换到指定说话人的音色。

简而言之，只要在语音输入中选择变声功能，输入你想说的话，再选择一个你喜爱的角色，就能把你的声音瞬间“变成”该角色的声音。

据悉， QQ变声功能不同，搜狗输入法除了大叔音、萝莉音、公子音、御姐音等基础声音，还覆盖横跨互联网行业、明星类、动漫类等类别的近二十种声音，角色设定从搜狗CEO王小川、星爷，再到蜡笔小新、小猪佩奇等不同身份、不同年龄、不同性别甚至是不同“次元”的角色，玩法灵活多变。

有专家指出，用户对一个声音的喜爱程度越高，对信息的接纳度就会越高，处理信息的效率也会大大增长。在输入法都打 AI 牌的年代，搜狗输入法上线的这款“变声功能”，是实施差异化打法的重要一环。

“变声”背后的核心技术

每一个人的音调、音色和语言节奏都不尽相同。如何将“千人千声”通过技术处理，变为同一种指定声音，同时还不丢失原说话人的语言习惯？这是技术难点。

搜狗知音从语音表征学习、语音合成等领域展开突破。

在表征学习上，对目标音色语料进行声纹特征编码，提取说话人的音色embedding，再分别从输入音频中学习内容和韵律embedding；把“说话人归一化”模块对内容embedding进行统一规整，去除音色信息；通过对音频特征的压缩编码及特征抽取，学习表征韵律的风格特征；基于表征学习得到的特征，通过Attention和Decoder模块进行加权特征编码，并利用WaveRNN神经网络声码器恢复成波形，最终得到带有目标音色的音频。

在此前沿技术支持下，搜狗“变声”功能做到了以假乱真的高还原度，与原始角色相差无几，而且对用户本身的音色没有任何限制，可以“任意人变声到同一人”。此外，搜狗“变声”功能还打破了音色转换的局限，将用户输入的语音内容、语速、停顿、情感等可均转化为超高逼真度的指定角色声音。

搜狗的AI布局

目前，搜狗人工智能与传统业务的融合正在加深。搜狗在语音、图像、语义理解等领域的AI技术沉淀，推动了搜狗搜索、输入法等传统业务的增长。

中国专利文摘数据库中显示，截止至今年3月15日，搜狗共提交专利申请1444件，其中在人工智能领域提交的专利申请达403件。在AI技术方面，搜狗正持续加大对语音、计算机视觉、机器翻译、问答等多个领域的研发投入。

2012年，搜狗启动了AI与语音识别领域相关技术的研发，并以“专家型企业”的身份，在市场中占有一席之地。当前，搜狗的AI色彩更加浓厚，语音输入占比大幅提升。相关数据显示，到2019年3月底，搜狗手机输入法日均语音请求较一年前增长69%，峰值达6亿次。

除了语音输入以外，翻译也是搜狗AI战略中的重要一环。2018年获得国际顶级口语机器翻译评测竞赛IWSLT Baseline Model（基线模型）赛道冠军。2019年1月，又在对话型机器阅读理解挑战赛CoQA中击败微软、斯坦福大学等机构夺得第一。

请到「今天看啥」查看全文