• 我的订阅
  • 科技

科大讯飞构建全新语音建模框架 降低AI声音复刻门槛

类别:科技 发布时间:2025-06-27 17:52:00 来源:大众报业·齐鲁壹点

6月26日,科大讯飞语音合成技术全新升级,一句话声音复刻与超拟人合成两大核心能力实现突破。据专业测评显示,科大讯飞一句话声音复刻技术在相似度、准确度等维度行业领先。

科大讯飞构建全新语音建模框架 降低AI声音复刻门槛

讯飞星火APP的“一句话声音复刻”功能自2024年4月上线以来,备受用户和行业认可。在智能语音领域,声音复刻效果的核心指标始终围绕相似度与准确度两大维度展开。相似度决定“第一耳印象”,包含音色特质及风格韵味;准确度则关乎声音复刻是否好用,确保发音标准、停顿自然、语气连贯。

此次讯飞技术突破的关键,除了星火语音大模型底座的基础和持续迭代,还构建了一套三阶段层次化语音建模框架。首先,通过星火底座大模型精确捕捉发音规律和韵律特征。其次,在音色恢复阶段解耦并重构声学特征。最后,通过高精度声码器恢复高保真波形。

这套语音建模框架突破了语义表征,采用mel VQ-AE模型结合语音自监督预训练编码器,并引入音色最小互信息约束,成功解耦出音色无关的离散语义token。这种结构实现了发音内容与音色特征的可控分离,也显著提升了语义LLM的建模稳定性。

在音色解耦表征能力的基础上,科大讯飞在声音复刻场景针对性进行两项关键技术的尝试与突破:音色编码增强——在声学模型中创新性地融合全局声纹嵌入与局部帧级音色编码,提取细粒度音色特征,并构建声纹空间语义一致性损失函数,显著提升音色恢复的相似度。强化学习——通过语音鲁棒性评价模型和人工标注构建偏好数据集,采用基于DPO的强化学习策略,大幅提升合成语音的稳定性和自然流畅度。只需一句话录音,AI就能完整捕捉用户喉腔共鸣、口音特点、气息流转等发音特征,精准还原用户的停顿习惯、情感起伏和呼吸节奏,达到真人难以区分的复刻效果。

从曾经要录上数十个小时的语音素材,到录入几段话,再到现在仅用一句话就能复刻声音,语音合成技术一直在向更快、更好、更易用的方向奔跑。一句话复刻技术的进阶,代表着能用更少的资源、更快的速度带来惊艳且实用的效果,显著降低了应用门槛,在AI赋能千行百业的大背景下,让更多的场景和行业衍生出更多的个性化需求,突破并得到实现。

在需要深入交流的场景里,仅有相似音色并不足够。讯飞的超拟人合成技术此次进阶的重点是赋予AI声音以“上下文情商”。面对多轮对话的复杂度,科大讯飞开发了上下文感知的语音生成系统。该系统融合历史文本及对应音频特征,通过跨模态编码器分析上下文,让AI声音能像真人一般敏锐响应情绪转变和话题转换。在真人与AI声音的对话测试中,随着话题和情绪变化,合成声音的语气会实时调整,给出恰如其分的情感回应,整体自然度接近真人水平。

AI语音技术落地最显著的领域当属智能汽车座舱。今年初,蔚来在“Banyan 榕 3.1.0版本”中为NOMI助手引入的超拟人情感音色,正源于讯飞的深度赋能。搭载该技术的蔚来新车型(如ET9、新ES6/EC6/ET5系列等),成为行业首款应用AI生成式语音合成框架的车型。除蔚来外,奇瑞、广汽、长城、日产、本田等主流车企同样选择了讯飞超拟人技术,重塑车内智能交流体验。

讯飞语音技术的辐射范围远不止车载场景。在教育领域,星火大模型赋能的AI学习机已能像真人教师般开展多轮对话诊断学情,为学生定制个性化学习路径。2025年暑期升级中,学习机新增的“AI 1对1互动式问诊规划”功能,通过几轮对话即可分析知识掌握情况,结合学生能力层级生成精准学习方案。

在数字内容创作领域,讯飞智作平台的超拟人数字人技术实现“一张照片+一句话录音”定制专属虚拟人,其唇形同步率高达98%。该技术已帮助天津大学教师打造慕课个人IP,简化教学视频制作流程。医疗场景中,搭载情感合成技术的导诊机器人使用方言与老年患者交流时,对话自然度提升200%。随着星火语音大模型在教育、医疗、金融等领域的深度渗透,其技术底座已服务全国5万余所学校、600家医院及众多金融机构。

科大讯飞研究院院长刘聪表示:“我们希望声音不止于工具,更成为承载情感与个性的新维度,赋能更多场景行业、催生更多可能”。属于AI声音的多元化、情感化时代,正加速驶入现实。

以上内容为资讯信息快照,由td.fyun.cc爬虫进行采集并收录,本站未对信息做任何修改,信息内容不代表本站立场。

快照生成时间:2025-06-28 05:45:07

本站信息快照查询为非营利公共服务,如有侵权请联系我们进行删除。

信息原文地址:

中国版GPT-4o 来了,抢先OpenAI落地,8月底全民开放
中国版GPT-4o来了!没等来OpenAI的“Her”,讯飞星火版“Her”抢先到来,打造国内首个全新中文交互模式,并将在8月底率先全民开放使用
2024-08-20 13:42:00
科大讯飞多语种技术,提供超1亿分钟公益服务
...会生活,成为当前人们关注的热点。5月8日,记者从科大讯飞了解到,今年也是“听见AI的声音”关爱听障人士公益行动的第五个年头。在承诺终身免费提供相关服务的基础上,“科技助残”也
2024-05-08 15:08:00
讯飞版「Her」横空出世全民开放!百变人设逼真丝滑,情绪价值逆天
【新智元导读】OpenAI的「Her」还是期货,讯飞星火版「Her」就抢先上线了!不仅极速响应自由打断,还情绪价值拉满,各种情感、风格、方言随意切换。熊二被召唤出来的时候,家里的
2024-09-02 13:33:00
个性化定制属于你的AI声音 讯飞智作引领AIGC+声音变革潮流
...说,拥有专属于自己的AI声音并不是遥远的梦想。2022科大讯飞全球1024开发者节的技术发布会上,科大讯飞AI研究院副院长高建清分享了科大讯飞在语音合成技术领域的新突破——多风格多情感合成系统SMART-TTS
2023-02-22 13:00:00
开年“王炸”!智能体再升级,科大讯飞打造办公新范式
1月7日,科大讯飞办公智能体产品升级发布会,在北京中关村国际会议中心如期举办。围绕智慧办公新范式,多款办公智能体同时升级发布,赋能专业用户创新效能。“知识中台、AI搜索、星火人设
2025-01-08 17:35:00
科大讯飞联手华为首次攻克全国产算力下推理模型训练难关
1月15日,科大讯飞发布了当前全国产算力平台上唯一的深度推理大模型——讯飞星火X1。该模型中文数学能力国内第一,并率先应用于教育、医疗等刚需场景。同时,讯飞星火4.0 Turbo
2025-01-15 15:07:00
国内首个极速超拟人交互向全民开放 可在星火大模型中体验
大皖新闻讯 日前,科大讯飞星火极速超拟人交互技术正式上线讯飞星火APP,率先面向全民开放体验。据了解,这是国内首个对标GPT-4o语音的大模型产品,用户可在讯飞星火APP中直接
2024-09-03 11:00:00
讯飞星火首发智能体平台,敏捷触达大模型应用企业落地最后一公里
4月26日,讯飞星火大模型V3.5(以下简称“讯飞星火”)春季上新。面向用户高效准确知识获取的痛点,科大讯飞发布业界首个长文本、长图文、长语音大模型,不仅能够把各种信息来源的海量
2024-04-26 11:44:00
讯飞输入法推出苹果macos版,支持10.15及以上系统
据讯飞输入法官方消息,讯飞输入法首个macOS版本现已发布,支持macOS10.15及以上更高系统版本,兼容ARM及IntelX86架构处理器
2023-05-13 23:07:00
更多关于科技的资讯:
中新经纬10月31日电 (魏薇)“跨境支付服务远不止‘把钱收回来’,更包括基于跨境贸易生态的增值服务、基于交易数据的供应链金融等
2025-10-31 19:12:00
邢台市经开区:创力科技与中建科工举行签约仪式
图片来源:河北省科学技术厅近日,邢台市经开区河北创力机电科技有限公司与中建科工智能科技有限公司举行签约仪式。邢台市经开区相关负责同志
2025-10-31 20:51:00
中新经纬10月31日电 国家发展改革委政策研究室副主任、新闻发言人李超表示,鼓励小、散、低效的存量算力设施向集约化、高效率转变
2025-10-31 13:34:00
企业选型终极指南:基于预算与行业,中国GEO服务商推荐(附TOP10指标对比)
在AI重构流量分配规则的2025年,生成式AI搜索优化(GEO)已成为企业不可或缺的战略投入。然而,面对市场上众多的GEO服务商
2025-10-31 11:00:00
增压好的热水器推荐:万和多款热水器待你选择
在城镇化加速与高层住宅普及的当下,老旧小区管道老化、高层建筑水压衰减等问题愈发突出,不少家庭正遭受 “细流澡”“忽冷忽热” 的沐浴困扰
2025-10-30 08:16:00
创新,是让世界重新认识中国制造
“创新”,这个词我们每天都在说。要让世界记住中国制造的创新,一定是要让人们能看得见、记得住、感受到。我给大家分享几个小故事
2025-10-30 08:35:00
河北日报讯(记者孙青)为激发青年创业活力,点燃青年创业梦想,日前,团石家庄市委正式启动“青年创业训练营——青年小店孵化计划”
2025-10-30 08:36:00
当故宫的红墙金瓦凝缩成书签的精致纹路,当敦煌的飞天壁画跃然咖啡杯的杯身,博物馆中的千年文明正通过文创产品打开新的传承通道
2025-10-30 08:44:00
校宝智慧校园发布招生智能化解决方案,为民办教育注入增长新动能
2025年10月29日,校宝智慧校园正式推出面向民办、国际化学校的招生智能化解决方案,包含流量获取、线索转化、组织建设与数据决策四大核心板块
2025-10-30 09:10:00
Soul App开源播客语音合成模型SoulX-Podcast,支持流畅自然多轮语音对话
近日,Soul App AI团队(Soul AI Lab)正式开源播客语音合成模型SoulX-Podcast。该模型是一款专为多人
2025-10-30 09:10:00
服务效能持续提升 中老年多元化保障需求凸显近日,中宏保险正式发布了《2025年第三季度中宏保险个险理赔服务报告》(以下简称"报告")
2025-10-30 09:10:00
AI+人工双核验:深瞳查重如何以精准核查守护科研诚信
在科研诚信日益重要的今天,图片查重已成为维护科研诚信的关键环节手段。作为国内首家推出图片查重服务的深瞳查重,深瞳查重始终将结果的准确性和可靠性放在首位
2025-10-30 09:10:00
德明利亮相安博会,推出面向智能安防的多维度存储解决方案
10月28日,深圳CPSE安博会在福田会展中心顺利开幕,展会聚焦AI与大数据的智能安防创新。德明利携工业级存储产品及多维矩阵方案亮相
2025-10-30 09:10:00
碧欧宝亮相2025德国品牌周,于外滩百年地标演绎德式健康美学
2025年10月23日,由德国工商总会主办的“Discover Germany 德国品牌周”在外滩百年地标老市府隆重启幕
2025-10-30 10:10:00
留学常用APP与交友软件推荐:学习、生活、社交一站式搞定
即将远赴海外求学,除了收拾行囊,在手机里提前装好实用的留学APP,也成了许多准留学生的必备功课。面对应用商店里海量的留学常用APP选择
2025-10-30 10:56:00