超拟人语音合成上线，打造有温度的交互新体验

语言使得人类可以构建共同想象的现实，即共同的信念，从而进行大规模团结合作，这是认知革命赋予人类力量的核心。在《人类简史》中，语言被描述成为人类进化的关键力量，而语音的能力是推动语言逐渐进化的火花。

人工智能的出现，让机器也能拥有如同人类一般的语音能力。但伴随人机交互的普及，机器要突破的不只是能听会说，还需要精准表达性格与情感，成为人机交互的新趋势。

作为人工智能发展长河中最早起步，也是落地最早的技术之一，语音技术正朝着让人惊叹的方向不断进化。

历经百年，语音合成走进千行百业

语音合成采用先进的深度学习技术，可实现文本转化成拟人化的语音。即“赋予机器像人一样自如说话的能力”，是语音交互、语音翻译的关键接口能力。

（图片由讯飞星火生成）

1779年，德裔丹麦科学家 Christian Gottlieb Kratzenstein 建造了人类的声道模型，使其可以产生五个长元音。这可以说是语音合成技术最早的起源。

1960年，瑞典科学家G. Fant的著作《语音产生的声学理论》建立了现代语音分析、合成的理论基础，极大推动了语音合成技术的进步。

到20世纪90年代，语音合成已经可以商业应用。然而，当时中文语音市场几乎全部掌握在跨国公司手中。1999年，科大讯飞成立后，这一切发生了改变。以语音合成技术为基础，讯飞持续深耕语音领域。2010年10月28日，科大讯飞发布了提供移动互联网智能语音交互能力平台——讯飞语音云，向全世界开发者开放自己的语音合成技术。

语音合成技术飞速发展，从实验室悄无声息地渗入我们每个人的生活，有时，你甚至毫无察觉。

上班途中，你不仅可以使用各种阅读软件翻阅书籍，还能戴上耳机“听”书；

驾车时，打开导航软件，可以听到流畅的人声实时为你导航；

下班回到家，躺在沙发上和音箱对话，音箱将为你播放想听的音乐；

然而应用初期，传统合成技术受制于声音采集的因素，合成出来的声音，刻板、不接地气，缺乏像真人声音一样的抑扬顿挫，很容易分辨出是由机器合成的，让人产生听觉疲劳。

近年来，越来越多的科技企业将眼光转向音色合成、情感合成等领域，力求使语音合成的声音更加自然，并具备个性化特征。

坚持源头技术创新，效果国际领先

自上世纪90年代，科大讯飞开始在语音领域的探索，确立了「让机器能听会说，能理解会思考；用人工智能建设美好世界」的公司使命。坚持源头技术创新，2006年到2019年，连续14年蝉联国际语音合成大赛冠军，持续走在世界前列。

2024年1月30日，讯飞星火V3.5正式发布。大模型技术加持下，语音合成的韵律表现力和拟人度有了大幅提升，超拟人语音合成MOS达到4.5，拟人度达到83%+。

在语音合成领域，通常采用MOS（Mean Opinion Score，平均得分法）对语音质量进行评价，分值为1-5分，分值越高语音质量和自然度也越高。

其合成效果类似人类在日常生活的口语化表达习惯，像人类一样拥有副语言（呼吸、叹气）、变换语速、口误、 长停顿思考、轻重读等副语言表达能力，让合成听起来更具“人味儿”。

无论是轻松的日常聊天，还是复杂的专业问答，都能得到快速而精准的回复，声音中蕴含着温暖和情感，让人几乎忘记了是在与机器进行对话。

声情并茂，有温度的交互体验

近期，超拟人语音合成能力在讯飞开放平台上线，将文字转化为自然流畅的人声，在实时语音合成的基础上，进一步提升了语音的自然度和表现力，精准模拟人类的副语言现象，如呼吸、叹气、语速变化等，使得语音不仅流畅自然，更富有情感和生命力。

在产品设计上，“超拟人合成”采用业内领先的语音合成框架。其功能包括针对书面语转译成口语化文本和新版语音合成引擎。

其中新版语音合成引擎，使用大型语言模型对日常交流中的副语言现象进行建模，针对拟声词、话语符号、韵律等副语言标签进行预测。利用语音大模型对副语言标签进行还原，从而极大地提高了合成的拟人化效果。

与传统的语音合成相比，超拟人语音合成具有以下优势：

• 大模型加持，拟人效果升级

大型语言模型针对拟声词、话语符号、韵律等副语言标签进行预测，极大提升合成的拟人化效果。

• 真实自然，专业实力

专注语音20年，技术实力雄厚；人声自然饱满，逼真度高，富有表现力，人机交互更具真实感

• 智能读法判断

根据上下文和语境判断数字以及英文的朗读方式

• 动态调参，自由配置

随心调节语调/语速/音量等参数，满足复杂场景需求

超拟人语音合成+大模型，让人机交互深入人心

目前，超拟人语音合成能力已在讯飞星火APP上应用，让超2400万用户能体验到更自然、生动且有温度的声音。

用户只需打开讯飞星火APP，开启通话模式，即可听到星火发出如邻家大哥哥/大姐姐一样的声音，与你唠嗑，为你遇到的工作生活难题解惑、陪你度过孤独无聊的时光。

星火APP提供了“聆飞逸”、“聆小玥”男女声两种发音人，可自由切换。音色自然，还像人一样时不时有停顿、“嗯……”等语气词。打断后，可继续提问下一个问题，也可以直接“挂断”语音，切回到文字模式，看到刚刚整个对话过程的文字版。

除了讯飞星火APP，在使用场景方面，超拟人语音合成还可应用在新闻播报、智能硬件、电话客服、出行导航、有声阅读、无障碍播报等，提升用户体验，带去温情的服务。

---

随着超拟人语音合成能力的上线，开发者可以通过直接调用WebAPI接口，将其应用在开发的产品之中。期待超拟人语音合成能力解锁更丰富场景，为用户提供更加美好的语音交互体验，让全世界享受AI带来的乐趣。

进入讯飞开放平台，完成实名认证，可免费领取服务量和发音人