SUMMARY REPORT
勇探AI路 无畏前行
小样本音色定制平台全面开放
一句话实现音色克隆
INTRODUCTION
为深入贯彻集团战略规划体系，紧密围绕软研院工作主线，智能中心团队聚焦2024年全年目标，基于已有100%自研掌控的语音合成能力，进行了语音大模型的升级，开发出以语音合成大模型为基础构建的小样本定制平台，支持用户仅用一句10秒钟内的音频即可得到与自己音色相似度高达85%、语音合成MOS值高达4.0分的语音合成播报效果，实现了千人千面的小样本音频定制能力。为深度赋能智慧运营、加大数字化AI应用布局奠定了坚实的基础。
目前小样本定制平台已实现音色克隆全流程的功能，使用用户10秒内的音频即可完成音色克隆。在上传待克隆音色音频方面，支持上传音频、在线录制音频两种方式；在原始音频的处理方面，支持对用户提供的音频进行降噪处理，以期提升音色克隆效果；在克隆音频下载方面，支持常见音频下载格式，如WAV。
该平台语音合成能力依托生成对抗网络生成音频的大模型架构，训练生成对抗网络架构的音频量化模型。模型首先将输入的音频量化成一系列的Token作为学习目标，然后将Token再还原为音频，并实现了该模型架构在国产化统信操作系统上的适配。目前该模型架构已经实现了仅需要10秒内用户音频、用户等待时间不超过3秒即可完成50字文本的语音克隆能力。
目前小样本快速音色定制平台可以通过智慧门户-智能中心-运营平台进入，从而进行音色克隆功能的使用。小样本快速音色定制平台未来预期新增长文本语音克隆、英语一句话克隆以及流式播报功能，可以满足长音频克隆、英语、实时音频生成等场景下的语音合成需求，新增功能预计在25年陆续上线。
笃行不怠，砥砺前行，智能中心在未来将继续纵深推进集团战略执行体系落实落透。坚持以场景为牵引，把用户感知放到首位，稳步推进AI全场景融合，加速强化业务赋能，助力客服业务提质增效新跃升。
图文丨智慧客服 周雨佳
编辑丨智慧客服 周雨佳
审核 | 王涛 于向丽 刘小菁
校对 | 党委办公室（办公室）
