俄科學家提升人工智能合成語音聽感

　　日前，圣彼得堡國立大學研究團隊將語調模型集成至神經網絡，使人工智能合成語音的聽感更自然、更貼近真人。這一進展有望優化語音助手、人形機器人等設備所使用的文本轉語音系統。

　　現有語音合成模型往往傾向于生成最常見的單詞發音或短語發音變體，難以生成能夠傳達語義與情感細微差別的語調。同時，若句子各部分的語調組合不當，即便音質生成質量較高，也會影響整體聽感。圣彼得堡國立大學的語言學家致力于彌補神經網絡的這一短板，其提出的改進方案有效改善了語調不自然、單調的問題。

　　模型訓練依托圣彼得堡國立大學語音學與外語教學方法系開發的語調分類體系，該體系由該系副教授妮娜?沃爾斯卡婭與系主任帕維爾?斯克雷林教授共同構建。這一分類體系涵蓋疑問句、陳述句、祈使句、請求句、呼語句等多種句類，并包含多種音高模式變體。

　　圣彼得堡國立大學副教授烏里亞娜?科切特科娃解釋稱，得益于合理的數據結構與對音高變化的精準標注，模型能夠傳達豐富的語調細節，從而生成更自然、更具表現力的語音。這一方法提升了合成系統的靈活性，可應用于語音控制、教育軟件等多種場景。

　　為評估模型訓練效果，研究人員邀請42名俄語母語者聆聽合成音頻并作答。結果顯示，受試者普遍認為合成音頻聽感自然。

　　研究團隊指出，為進一步提升合成質量，模型仍需精細化調整，考慮情感和風格上的差異。