當涉及到高質(zhì)量的合成語音開發(fā)和定制時，深度學習被證明是一個強大的工具。一家總部位于多倫多的初創(chuàng)公司， NVIDIA Inception 成員類似人工智能正在利用一種新的生成語音工具增加賭注，該工具能夠創(chuàng)建高質(zhì)量的合成人工智能語音。

這項技術(shù)可以在 50 多種最流行的語言中生成跨語言和自然說話的聲音，通過相似填充，用戶可以創(chuàng)建編程音頻，編輯和替換音頻片段中的單詞。

構(gòu)建、部署和擴展現(xiàn)實人工智能語音的能力將幫助眾多行業(yè)。應(yīng)用范圍廣泛，從為廣告創(chuàng)建人工智能生成的文本，到交互式語音應(yīng)答系統(tǒng)，再到視頻游戲開發(fā)。

自 2020 年 7 月以來，相似人工智能團隊與 NVIDIA 的對話人工智能團隊密切合作，將 NVIDIA riva多模態(tài)對話人工智能 SDK 集成到他們的語音管道中。據(jù)人工智能創(chuàng)始人兼首席執(zhí)行官佐哈伊布·艾哈邁德（ Zohaib Ahmed ）稱，這種經(jīng)歷讓他們在整個人工智能對話管道中融入了獨特的 i NSight 。

“ NVIDIA Inception 計劃有助于為對話人工智能領(lǐng)域提供關(guān)鍵 i NSight 以及為我們作為產(chǎn)品的每項工作推薦 GPU 計算提供技術(shù)支持，” Ahmed 說。

為了訓練他們的語音模型和推理能力，該團隊正在使用 Amazon 彈性 Kubernetes 服務(wù)（ Amazon EKS ）和 NVIDIA T4 GPU s 集群。然后，他們使用 NVIDIA Triton 推理服務(wù)器在生產(chǎn)中大規(guī)模部署他們訓練有素的人工智能模型。

最近一個與 NVIDIA Omniverse Audio2Face集成的類似人工智能合成語音演示展示了組合技術(shù)如何從單一音頻源創(chuàng)建富有表情的面部動畫和聲音。

Ahmed 說：“ Audio2Face 是一個很好的例子，它是一個強大的工具，可以很容易地與生成性人工智能語音相結(jié)合，在幾秒鐘內(nèi)產(chǎn)生結(jié)果，否則需要幾天時間?！薄?/p>

公司 已經(jīng)發(fā)展到擁有超過 150000 個用戶，建立了超過 60000 個語音。迄今為止， 類似人工智能在電信、金融、通訊中心、教育、游戲、媒體和娛樂等行業(yè)擁有 240 多個付費客戶。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷