从喜马拉雅看音频技术革命的下一站近年来

近年来， AIGC（AI-GeneratedContent ， AI生成虚拟内容）横空出世。技术发展也改变着音频领域的内容思维，以TTS技术（Text-to-speech ，语音合成）为代表的AIGC新技术产品正在一步步走向成熟，以喜马拉雅为代表的一批音频平台已在该领域潜心钻研多年，助推AIGC从实验室迈向AI合成音、AI演播、智能新闻播报等更多应用场景。
技术革新撬动内容生产升级
随着音质传输的升级、智能交互的深化、终端场景的拓宽，在线音频内容消费时长伴随着技术升级正在加速驶入发展快车道。根据易观分析数据显示， 2021年中国“耳朵经济”市场的活跃用户规模已达到8亿人次，其中在线音频细分市场的月活跃人数稳定在3亿人次，且呈现出稳步上涨的态势。

文章图片
消费需求的增加亟需扩大内容生产规模，提高内容生产质量和效率一直是行业发展的重要问题。上个时代，软硬件的技术发展推动了UGC成为了内容生产的重要模式。今年将迎来十周年的喜马拉雅是这个时代跑出来的“内容生态前行者” ，其拥有的完善的UGC内容创作者生态，通过给用户更便捷的音频创作工具及拓展更多音频品类（如播客）来激励普通用户参与创作、分享音频，从而增加平台上长尾内容。
UGC模式在技术助力下拓宽对于“内容生产者”的界定，通过抹平内容生产和消费的严格划分、释放内容生产力。但这种技术的应用归根到底是基于对于人的使用，当内容生产者和消费者的生产潜力都被消耗殆尽，内容消费需求的缺口又能由什么来填补？
答案就是AI 。人工智能未来将催生新的内容生产形式，当生产不局限于人的时候，生产力也将迎来空前解放。
AIGC——音频内容革命的下一站
年初，喜马拉雅自研的跨语言语音合成创新技术论文，及其与中国科学技术大学合作的说话人日志技术研究论文，均被世界顶级学术会议“2022年IEEE国际音频、语音与信号处理会议”（2022IEEEInternationalConferenceonAcoustics,Speech,andSignalProcessing ， ICASSP2022）收录，并受邀于今年5月在新加坡举办的会议上向全球展示相关技术成果。

文章图片
ICASSP2022是ICASSP第47届会议，会议主题为“以人为本的信号处理” ， “以人为本”这一理念也是喜马拉雅技术发展的驱动力之一。喜马拉雅CTO姜杰表示，我们在技术的创新和应用中很重视观察人和AI交互协同能产生什么全新的价值增量。音频内容呈现更智能化的趋势背后，将是AIGC对于喜马拉雅原有的UGC+PGC+PUGC的音频生态的进一步丰富。
以AIGC延展PGC ， AI合成音精准还原单田芳先生“云遮月”嗓音
相比于机器人来说，人最大的差别就在于个体化之间的不可复制性，杰出的音频内容生产方被消费者选择也恰恰是因为他的独特性。例如我国著名评书艺术表演大师单田芳先生，善以声音塑造角色，其标志性的“云遮月”嗓音成为了独一无二的内容符号，在民间有着“凡有井水处，皆听单田芳”的说法。
如果能将单田芳先生的声音解码，再进行重新编码，就能突破内容创作的局限性，实现原音重现，让人们享受到更多单田芳先生的优秀作品，喜马拉雅已在2021年实现了这一点。喜马拉雅智能语音实验室利用TTS技术，并自主设计了单独的韵律提取模块，并将其融入到HiTTS技术框架中，让单老的AI合成音仿佛本尊再现。