贺雯迪：我目前在喜马拉雅担任音频算法工程师，工作研发方向是TTS前端模块的搭建和优化（文本规整化、分词、多音字、韵律预测等），后端算法（基于深度生成模型的说话人风格转换，情感控制，音色克隆、神经声码器的优化等方向）。演讲...

疫情期间发现一个有趣的现象，有一类短视频父母刷抖音的时候经常会看到，这类视频只有一个或多个简单的背景图片，配合一段文字录音，讲一段新闻、故事、或者鸡汤。我想可能是他们对纯文本或者纯语音的内容都不感兴趣，更容易接...

近日，科大讯飞公布业绩快报显示，2019年全年实现营业收入100.89亿元，同比增长27.43%；实现归母净利润7.88亿元，同比增长45.46%。但是，科大讯飞净利润依靠政府补贴“撑门面”的老问题依然存在，2019年这一比例高达50.3%。另一方...

语音合成（Text To Speech，TTS）满足将文本转化成拟人化语音的需求，打通人机交互闭环。 提供多种音色选择，支持自定义音量、语速，让发音更自然、更专业、更符合场景需求。语音合成广泛应用于语音导航、有声读物、机器人、语音...

今天是世界读书日，书作为千百年来人们传递信息的载体，已经变成一种书写文明的符号。在人类维系的各种关系中，人与信息的关系，可能是最繁杂和最奇妙的；而书象征着信息的实体化，让人类面对信息突然有了触感。...

只要有一篇现成的图文链接，AI就可以根据图文描述的主题，重新组织语言，自动搜寻素材，剪出一条短视频。

本文是对 ICLR 2020 论文《High Fidelity Speech Synthesis with Adversarial Networks》的解读，论文作者来自谷歌。

语音识别就是把语音变成文字的过程，相信大家在平时生活也已经用到过一些语音识别的场景，比如说语音输入法、地图产品的语音输入。近年来，随着互联网的发展，各种音频数据和文本数据得到不断积累和丰富，CPU、GPU硬件的发展，以...

在网络游戏中，无论是大逃杀、棋牌类、电子竞技类还是娱乐休闲类小游戏，玩家和玩家之间的互动和语音聊天都是一个必不可少的环节。作为一个通用的技术需求，如果由游戏厂商自己从零开始研发相应的音频技术，既不经济也不具备...

这个功能是在最百度语音合成的时候涉及到的，这个功能我也是第一次写，毕竟前端的东西不是很擅长。特此记录一下。