只需要半小時音檔就能學習！百度文字轉語音系統連「口音」都能模仿|數位時代 BusinessNext

連口音都能模仿！Deep Voice 2只需要半小時音檔就能學習

百度曾經推出一套可將語音轉換成文字的系統「SwiftScribe」，三個月前展示了另一套叫「Deep Voice」的文字轉語音系統，所製作出的聲音跟真人幾乎無異，還能幾乎同步的運作，目前最大的缺點，是需要好幾個小時的音檔資料建立範本，且ㄧ次只能學習一種聲音。

本周百度推出「Deep Voice 2」，不只可以模擬人聲，還能學習到一個人聲音細微的差別，駕馭上百種不同口音，最厲害的是，Deep Voice 2只需要半小時的音檔資料就能完成學習；一般讀者較為熟悉的Apple語音助理Siri已經可以做到模仿區域性口音，但Siri每學習一種新的人聲、口音，需要真人錄製上千小時的音檔資料，且工程師還需要花費很長的時間調校。

而Deep Voice 2的運作方式，則是從數百人的說話資料中找出共同特性，接著軟體再根據不同人說話的語調、口音，去調校聲音模型，過程不再需要人工手動。「給它對的資料，他們可以自己學習什麼東西是重要的。」百度AI實驗室研究科學家Andrew Gibiansky表示。

未來電子書的角色都能更有個性

在百度的想像中，除了可以讓語音助理透過不同的聲音增加個性，許多人愛聽的電子書也是一種應用領域，如此一來在聽電子書的時候，每一個角色都會有相對應的情緒、語氣，聽起來也會生動許多。

「快速合成不同人聲的能力，對於產品會產生很大的影響，像是語音助理、電子書eBook閱讀器，例如，你電子書中的每一個角色，在聽的時候每一個角色都有不同的聲音個性。」百度於官方部落格中表示。

百度並不是唯一ㄧ家涉略這項領域的科技公司，去年9月，Google的DeepMind部門發佈了一款聲音合成器「WaveNet」，透過深度學習讓聲音的品質比傳統的語音合成系統大大提升；此外也有許多新創公司的加入，上個月加拿大新創Lyrebird，展示了一套只需要一分鐘的聲音檔案，就可以模仿名人聲音的系統。

隨著聲控設備逐漸進入我們的生活，往後要讓你的Siri聽起來像小S或陳奕迅也是不無可能。

現代人手機不離手，通勤時滑短影音、午休追串流影劇、下午開視訊會議，網路影音應用成為工作與生活的普遍情境。然而，一旦畫面卡頓、畫質不穩，或聲畫不同步，使用體驗立刻打折，甚至影響工作效率與專業判斷。

也因此，網路品質不再只是「快不快」的問題，更關乎能否在高使用量的日常情境下，維持穩定、連續的表現；對此，第三方評測也採用更貼近使用者情境的方式衡量網路體感。而 Opensignal 最新報告指出，台灣大哥大在影音體驗相關項目是業界唯一同時拿下「影音體驗」與「5G 影音體驗」雙項獎項的電信商，其中，關鍵的差異是什麼？

為何「影音體驗」是網路品質的關鍵指標？

愈來愈多消費者入手旗艦機，追求的不只是硬體規格，還有流暢的 AI 應用與多工協作。然而，無論是視訊即時翻譯或雲端會議，這些高階功能都有一個共同前提：網路必須穩定。一旦網路品質不佳導致畫質下降或音畫不同步，旗艦級的 AI 功能將形同虛設。

這也意味著，檢驗網路價值的標準已經改變。如今，不能只看單點測速的瞬間峰值，更重要的是高負載情境下的耐力表現。因此，比起單點測速，影音體驗會是更完整的測試標準，直接挑戰了網路在室內深處、移動途中或人潮聚集時的網路實力；而唯有在長時間串流下依然不卡頓、不降畫質，才稱得上是高品質的連線。

換言之，隱身在硬體背後的電信商，才是發揮旗艦機性能的關鍵；唯有透過最佳網路品質，才能讓手中的旗艦機既是規格領先、也是體驗領先。

唯一影音體驗雙料冠軍，Opensignal 權威認證的有感體驗

雖然相較於測速數據，影音體驗更貼近日常使用，但也更難量化。對此，國際權威認證 Opensignal 的「影音體驗分數」，依循 ITU 國際標準，透過真實用戶裝置在行動網路上進行影音串流的實測數據，觀察不同電信網路在實際使用情境下的表現。

簡單來說，評測聚焦三項核心指標：影片載入時間、播放期間的卡頓率，以及畫質（解析度）是否能穩定維持。使用者從開始播放到持續觀看的整體品質，分數以 0–100 呈現，分數愈高，代表在三項指標的表現愈佳。相較於單點測速，這類評測更能呈現長時間、高使用量下的網路品質。

而在今年最新公布的 Opensignal 評測中，台灣大哥大獲得「影音體驗」獎項唯一雙料冠軍。其中，「整體影音體驗」為全台獨得第一名，「5G 影音體驗」則與遠傳並列第一。

之所以能在影音體驗拔得頭籌，關鍵在於台灣大哥大目前是全台唯一整合 3.5GHz 頻段 60MHz 與 40MHz、形成 100MHz 總頻寬的電信業者，亦是現階段全台最大 5G 黃金頻寬配置。頻寬愈寬，代表單位時間內可傳輸的資料量愈大；在大量使用者同時進行影音串流、視訊互動的狀態下，更能維持穩定傳輸、減少壅塞發生機率。

台灣大獲權威認證，NRCA技術撐起穩定基礎

除了頻寬帶來的流量優勢，台灣大哥大也採用「NRCA 高低頻整合技術」，也就是透過高低頻協作，讓 3.5GHz 負責高速傳輸、700MHz 補強覆蓋與室內連線，改善室內深處與移動情境的訊號落差，提升連線連續性。

同時，為了讓住家、通勤動線、商圈與觀光熱點等高使用場域維持穩定表現，台灣大哥大已在全台超過213個住宅、觀光及商圈熱點完成 100MHz 布建，提升人流密集區的網路覆蓋率。

值得注意的是，在今年的 Opensignal 評比中，台灣大哥大還拿下了「5G 語音體驗」與「網路可用率」兩項第 1 名，累計獲得 4 項獎項。這意味著不僅具備影音體驗優勢，在語音互動與連線率等關乎用戶日常應用的基礎指標，皆有亮眼成績。

尤其，隨著影音與即時互動成為新世代的工作常態，網路品質的重要性只會持續上升。無論是遠距協作所仰賴的視訊與畫面共享即時同步，內容創作對直播與即時上傳連續性的要求，或是 AI 視訊互動、即時翻譯與會議摘要等新應用，都高度依賴低延遲與穩定的資料傳輸。網路品質因此不再只是連線條件，更是支撐內容生產、協作效率與新應用落地的基礎能力，甚至直接牽動競爭力。

而台灣大哥大經 Opensignal 認證、於多項關鍵指標領先業界，不僅將成為 AI 時代的重要後盾，也讓使用者能更充分發揮高階手機的效能，把「快、穩、滑順」落實在每天的工作與生活中。