10月31日消息，2023云棲大會上，喜馬拉雅展示其最新的自研語音技術成果，包括喜馬拉雅珠峰語音生成式大模型和第二代智能語音交互系統。

據介紹，喜馬拉雅珠峰語音生成式大模型，具備快速實現語音音色和風格定制的能力。這一技術支持豐富場景下的音色實時轉換，為聲音賦予了創造性的"變聲"能力，宛如給聲音涂上不同的“畫皮”。此前，喜馬拉雅珠峰實驗室團隊已通過AIGC方式創作了超過3.7萬部有聲書專輯，而AIGC作品的每日播放時長已超過250萬小時。

在云棲大會現場，喜馬拉雅展示了其自研的珠峰語音生成式大模型。該大模型由喜馬拉雅珠峰智人團隊與西北工業大學aslp lab展開合作，基于自研框架，實現音頻與文本在統一框架下的稠密訓練，用于語音生成任務，能夠實現語音風格和音色的zero shot的學習和遷移，實現風格和音色的任意組合，同時，喜馬拉雅基于阿里云數據湖3.0構建的云原生大數據平臺為語音大模型訓練提供了海量高質量數據， 是喜馬拉雅語音大模型不可或缺的“數據引擎”。

據喜馬拉雅首席科學家、珠峰實驗室負責人盧恒介紹，“喜馬拉雅語音生成式大模型目前已經取得了顯著的突破，在音色定制方面實現了5秒內的‘極速克隆’聲音。通過極少量的數據，該模型能夠克隆出具有90%相似度的基本音色，并在短短的10秒內快速生成定制音頻。未來，這項技術在短視頻創作、數字人配音、人機交互對話、名人IP復刻等領域有望發揮出巨大的潛在價值，有效解決商業場景中的溝通需求痛點。”

喜馬拉雅珠峰實驗室資深產品專家呂睿韜現場介紹到：該語音大模型采用基于語音向量和語義標記的新型語音編解碼器，其中語音向量包含用于高保真語音重建的聲學細節，而語義標記（LLM）則側重于語言建模的語音的語言內容，最終實現高效生成最富有語言表現力和最高保真度的語音（對話）內容。應用場景上，該語音大模型可應用于語音內容生成、口語對話、語音音色實時轉換、說話風格遷移、語音到語音跨語種翻譯、說話人匿名化等各種任務。

喜馬拉雅還將展示其第二代智能語音交互系統，這一系統以阿里云的“通義千問”大模型為基礎，以喜馬拉雅兒童形象代言人“波波”為中心，增強了他的自然連貫對話能力，凸顯了“波波”這一IP形象的特征。該智能語音交互系統已通過喜馬拉雅兒童APP和喜馬拉雅提供服務，波波球為家庭親子用戶提供陪伴對話功能。（一橙）

總結

以上是生活随笔為你收集整理的喜马拉雅自研珠峰语音生成式大模型，实现5秒内“极速克隆”声音的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。