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
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

這幾天AlphaGo跟世界圍棋冠軍柯潔的對決,吸引了全世界的注目,人工智慧(AI)能做的事情越來越多,且正在進行一場天翻地覆的革新,透過深度學習,中國搜尋巨頭百度研發出了一套語音系統,不只可以模仿人聲還能學習不同的「口音」,這項技術正以驚人的速度前進。

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。

text-to-speech
百度推出「Deep Voice 2」可以學習上百種不同口音,未來能讓智慧助理聲音更有個性。
圖/ shutterstock

「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。

往下滑看下一篇文章
直播霸主圓剛科技以全方位產品,化身創作者的「解憂雜貨店」
直播霸主圓剛科技以全方位產品,化身創作者的「解憂雜貨店」

當觀看與被觀看成為當代人的日常時,直播早已褪去昔日單純的娛樂外衣,從 Twitch 上挑燈夜戰的電競實況、YouTube 的第一手開箱、TikTok 與 Instagram 隨手刷過的短影音,到現今風靡全球的電商帶貨——直播不僅重塑了人們的視覺感受,更淬鍊出一條成熟蓬勃的商業路徑。

「現在是全民直播的時代!」台灣直播設備龍頭圓剛科技全球品牌行銷處處長蔡柏輝說。在台灣影像擷取盒、擷取卡市場,搶下超過 90% 市占的圓剛,是眾多螢幕後,撐起無數流暢畫面的關鍵推手,就連在日本、韓國也有很高市占率,不論是剛敲開創作大門的新手,或是專業級的直播團隊,圓剛以全方位產品線,滿足不同創作者對影音設備的需求。

MIT 高品質研發,提供創作者直播台上的安心感

從電視盒起家的圓剛,始終專精「訊號轉換與整合」技術,早在 15 年前,便踏入直播市場,靠著百分百 MIT 研發高品質,拿下龍頭地位。在占有率幾乎觸及市場天花板之際,「我們現在追求的,是拓展更多不同領域的使用者,以及深入更多不同的直播場景。」

這些年,圓剛觀察到直播趨勢轉變。蔡柏輝打趣道,早期的遊戲直播多半是「一個人在昏暗房間裡默默開台」;時至今日,這股風潮早已跨出房門,延伸至客廳、戶外,成為大眾都能參與的影音浪潮。承載內容的平台也從桌上型電腦,擴展至遊戲掌機、家用遊戲機和智慧型手機,直播型態與使用者需求也開始走向分眾。

蔡柏輝觀察,對剛踏入直播領域的新手來說,最大的心理障礙往往來自對設備不確定性的恐懼,「最怕開播時,觀眾聽不到聲音或畫面卡頓。我們想給創作者的是,『三分鐘輕鬆搞定』的從容與信任感。」

而對頂尖實況主與專業直播團隊來說,設備則是不能有絲毫閃失的「生財利器」。專業直播主高度追求流暢幀率與畫質細節,唯有極致的視覺體驗,才能吸引觀眾留存並化為實質贊助與互動。更重要的是,長達數小時的高強度直播,不能出現黑屏或無預警斷線,一旦畫面中斷,累積的流量和觀眾也瞬間消失。

針對不同成長階段的直播主,圓剛提供從 1080p 到 4K144 的擷取盒畫質,滿足從入門到細緻畫質的需求,高規格的產品穩定度,確保長時間直播不黑屏卡頓,許多產品更提供長達「3+2」5 年保固,「我們敢喊5年,就是對自己的產品很有信心!」這正是圓剛高品質與高穩定的最好證明,「我們賣的不是冷冰冰的產品規格,而是創作者的夢想與直播台上的安心感。」

從規格堆疊走向場景拆解,滿足不同直播應用

「圓剛這幾年做的不是一直堆疊規格,而是場景拆解。」嗅到行動世代對攜帶性與靈活度的渴望,圓剛特別打造「GO 系列」產品線( GC313Pro、GC313 ),高度整合多元功能,身兼 USB-C 影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術,把繁複線材與驅動程式全都收納進一個掌心大小的充電頭裡,極致輕巧方便攜帶。

圓剛「GO 系列」GC313Pro 高度整合多元功能,身兼影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術
圓剛「GO 系列」GC313Pro 高度整合多元功能,身兼影像擷取/傳輸、螢幕跨屏輸出和 100W 快充技術,滿足電力與資料傳輸需求的全方位解決方案。
圖/ 數位時代

蔡柏輝分享,創作者在直播 Switch 或手機遊戲畫面時,最怕連接埠占滿而電量枯竭,「GO 系列」讓使用者能「邊直播邊充電」,解決使用痛點,還有很多靈活應用,像是在國外旅遊時,可將手機螢幕投放至飯店電視,直接用大螢幕觀看 Netflix,避免在其他裝置登入 Netflix 個人帳密的風險,「不只滿足直播需求,也能充電、小螢幕轉大螢幕,拓展更多使用情境。」

為了解決直播設備軟硬體複雜的相容性問題,圓剛也不斷擴充產品線,蔡柏輝笑說,「我們稱作『直播三寶』!」在影像擷取外,還提供各種規格的視訊鏡頭與高音質麥克風,其中,台灣市場熱銷產品之一的 AM310G2 麥克風,以高性價比廣受歡迎,首代產品全球累計銷量突破10萬支,第二代也延續市場熱銷氣勢,透過麥克風輕鬆連接手機,從直播到行動唱歌都能滿足。相比創作者過去必須東拼西湊不同品牌、解決多個軟體衝突問題,圓剛透過三位一體的完整配置,成了台灣極少數能提供一站式直播生態系的品牌。

有了高品質硬體後,圓剛又以自主研發的直播軟體平台「直播大師 Streaming Center」,協助使用者軟硬整合,省去安裝繁瑣的驅動程式,透過直覺易上手的介面,連接上直播設備後,便會自動完成基礎設置,同時只要一個按鈕就能一鍵切換鏡頭特寫、AI自動降噪去背景雜音、甚至微調人像膚色,蔡柏輝比喻,「直播大師就是創作者的個人導播。」透過軟體輕量化與一站式整合,圓剛也把電腦寶貴的運算效能,最大化發揮在遊戲和直播上。

布局全球電商與商業活動直播,讓直播體驗深入各行各業

面對近年興起的電商直播帶貨,圓剛也積極佈局。蔡柏輝指出,與其他直播領域相比,電商直播更在意能否精準還原色彩、細節和清晰畫質,因為這不只攸關畫面表現,更是決定成交與否的關鍵,「電商最怕退貨,如果消費者收到的實品跟鏡頭前不一樣,對品牌信任度也會瞬間瓦解。」

圓剛的高階擷取卡支援 RGB24 無損色彩還原,能將商品最真實的細緻色彩忠實呈現;針對動輒數小時的直播馬拉松,也打造高效散熱機制,確保賣家可長時間穩定使用,甚至還能延伸至醫療與科研診斷領域,像是當醫生透過畫面看病理切片時,同樣提供毫釐不差的精準度。針對電商帶貨直播發展火熱的亞洲市場,圓剛也推出旗艦級擷取卡產品,支援多機位擷取、橫豎屏同步直播,並輸出至多個直播平台,同時又兼具高性價比。

在消費市場扎穩根基後,圓剛也正將產品優勢一步步延伸至企業與商業直播領域,像是企業透過直播宣傳產品,或是各式活動現場直播,如演講、論壇甚至畢業典禮,透過提供適切的軟硬體解決方案,展現跨越多元情境的影音實力,讓高品質的直播體驗深入各行各業。

「我希望圓剛可以成為創作者的解憂雜貨店!」蔡柏輝指出,從個人到商用,從單人到團隊,從遊戲直播到企業直播,圓剛都能滿足不同需求,解決各種疑難雜症,甚至針對還未開始直播事業的人,也能提供硬體搭配建議,「創作者只要負責發光發熱,剩下 99% 的繁雜技術,圓剛在背後全幫你簡單搞定!」從敲開創作大門的第一張擷取卡,到支撐商業王國的直播系統,未來圓剛將以全方位的影音設備,持續陪伴創作者在影音時代中綻放耀眼光芒。

圓剛科技全球品牌行銷處處長 蔡柏輝
圓剛科技全球品牌行銷處處長 蔡柏輝
圖/ 數位時代

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓