AI实践哪家强?来 AICon, 解锁技术前沿,探寻产业新机! 了解详情
写点什么

使用新的声道 SSML 功能修改 Amazon Polly 语音的音品

  • 2019-11-06
  • 本文字数:2648 字

    阅读完需:约 9 分钟

使用新的声道 SSML 功能修改 Amazon Polly 语音的音品

今天,Amazon Polly 团队很高兴地宣布推出一项新的语音合成标记语言 (SSML) 功能,该功能使得开发人员可以修改任意文本到语音转换 (TTS) 声音的音品。这是一项极具吸引力的功能,适合希望在 Amazon Polly 产品组合中自定义现有语音的客户,使得声音更加贴近在其使用案例中所塑造的特定角色。客户在场景中需要使用多个不同的声音时,该功能尤为有用,因为音品功能使得客户可以轻松地从可用的各个 Amazon Polly 语音自定义多个声音形象。

什么是音品?

音品 描述了人们所感受到的音色或音质,这与音高或音量无关。它经常用于音乐中,例如用于区分铜管乐器和弦乐器,或者用于描述中提琴与小提琴的细微差别。音品是一种可用于区分各种乐器的感知属性,即使这些乐器都在以相同的音量演奏相同的调子。与此类似,在具体的语音场景中,音品是一个声音与另一个声音的区别,即使这些声音具有相同的音高 (即其基本频率) 和音量 (振幅)。


每个人的声音都是独一无二的,这是由于多种因素造成的,包括人的生理机能以及发出声音的方式。每个人的声带、声道的大小和形状甚至整个身体的大小和形状,在决定其正常的语音品质方面都起到了重要的作用。有一些方法,例如个人控制舌头的位置、收紧或松弛肌肉或者施加气压,都可以改变语音的音高、音量和音品。经过专业训练的演员可以学习控制这些动作,甚至能够改变自己的声音来模仿他人的声音。

声道与音高

影响到语音音品的一项重要生理特征是声道,这是从声带顶部直到嘴唇边缘的一个空气腔体。有多块肌肉可以用于改变声道腔体的形状,可以让它变长、变短、变宽或变窄。这些改变的效果是导致放大或过滤掉语音。


音高 是一项听觉属性,影响感受到的声音是高还是低。在发出语音的具体过程中,音高由声带振动的频率决定。相比男性,女性通常具有较短的声带,振动频率较高 (每秒约 180 到 200 个周期)。平均而言,男性具有较长的声带,振动更慢 (每秒约 110 个周期)。与此类似,女性的平均声道长度比男性要短 (分别为约 14 厘米与约 17 厘米)。


声带长度和声道长度具有内在的关联,也就是说,其中一个更长,另一个也倾向于随之更长。利用音品功能,开发人员可以在保留控制音高能力的同时更改声道的大小。

声道和语音合成

使用


vocal-tract-lengthSSML 标记,您可以通过更改发言者的声道来控制输入语音的音品。这听上去像是更改了发言者的身体大小。当您增加


vocal-tract-length 时,发言者的声音听上去像是他们的个子更大。减小时,听上去像是个子更小。此标记可用于 Amazon Polly 文本到语音转换产品组合中的任何语音。


下面说明了如何修改发言者声道的长度:


  • +n% 或 -n%:按当前语音的相对百分比进行更改,来调整声道长度。例如,+4% 或 -2%。

  • n%:按当前语音的绝对百分比值来调整声道长度。例如,104% 或 98%。

  • 声道长度最多可以增加 100% 和减少 50%。

  • 要将声道长度重置为当前语音的默认值,请使用 <amazon:effect vocal-tract-length=“100%”>


下面的示例说明如何修改声道长度,使用的是 Joanna 的语音:


Html


<speak>This is my original voice, without any modifications. <amazon:effect vocal-tract-length="+15%"> Now, imagine that I am much bigger. </amazon:effect> <amazon:effect vocal-tract-length="-15%"> Or, perhaps you prefer my voice when I'm very small? </amazon:effect> You can also control the timbre of my voice by making more minor adjustments. <amazon:effect vocal-tract-length="+10%"> For example, by making me sound just a little bigger. </amazon:effect> <amazon:effect vocal-tract-length="-10%"> Or instead, making me sound only somewhat smaller. </amazon:effect> </speak>``` ****
col 1 | col 2 -------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------[](https://d2908q01vomqb2.awsstatic-china.com/b6692ea5df920cad691c20319a6fffd7a4a766b8/2017/04/20/Polly_mini.gif)](https://amazonaws-china.com/polly/) | <small>立即收听</small>
<audio id="audio-2300-1" class="wp-audio-shortcode" style="width: 100%" preload="none" controls="controls"></audio>
<small>语音由 <a href="https://amazonaws-china.com/polly/" target="_blank" rel="noopener noreferrer">Amazon Polly</a> 提供</small>
## 结合使用多个标记
您可以将 <tt>vocal-tract-length</tt> SSML 标记与 Amazon Polly 支持的任何其他 SSML 标记结合使用。由于声道长度和音高具有内在的紧密联系,通过将声道长度与音高 (通过应用 <prosody pitch> 标记) 一起更改,您可能会得到最佳效果。
Html

复制代码


The pitch and timbre of a person's voice are connected in human speech.


If you are going to reduce the vocal tract length,


you might consider increasing the pitch as well.


If instead you choose to lengthen the vocal tract,


you might also want to lower the pitch.


col 1col 2
立即收听


00:00
00:00


语音由 Amazon Polly 提供


我们鼓励您试验 vocal-tract-length 与 pitch 设置的不同组合,找出最适合您需求的语音质量。为了帮助您探索这一过程,我们向您提供了以下样本库,您可以下载并收听。您会发现,这些样本中包括了从非常逼真的人类语音到更接近动画角色的语音。


Vocal-Tract-Length 和 Pitch 样本库 (.ppt)


如果您有任何疑问,请在评论中留言。


本文转载自 AWS 技术博客。


原文链接:


https://amazonaws-china.com/cn/blogs/china/modify-the-timbre-of-amazon-polly-voices-with-the-new-vocal-tract-ssml-feature/


2019-11-06 08:00785

评论

发布
暂无评论
发现更多内容

【案例回顾】春节一次较波折的MySQL调优

京东科技开发者

MySQL 数据库 索引 RDS 调优

移动办公平台如何在企业中发挥数字化优势?

BeeWorks

云原生游戏第 2 讲:OpenKruiseGame 设计理念详解

阿里巴巴云原生

阿里云 容器 云原生 游戏 OpenKruiseGame

MobTech SMSSDK iOS端快速集成指南

MobTech袤博科技

ios sdk

pe文件签名信息检测技术

sofiya

[教你做小游戏] 展示斗地主扑克牌,支持按出牌规则排序!支持按大小排序!

HullQin

CSS JavaScript html 前端 9月月更

微服务网关Gateway实践总结

Java 架构

java培训程序员靠技术来延长自己的职业周期

小谷哥

IDEA配置tomcat

楠羽

#开源

基于Vue3常用代码块

青柚1943

typescript Vue3 Element Plus Pinia sortablejs

从Core Dump中提取CUDA的报错信息

OneFlow

深度学习 报错 cuda

新思科技解析Repo Jacking依赖仓库劫持如何影响供应链安全

InfoQ_434670063458

漏洞 新思科技 软件供应链 Repo Jacking

艺术收藏NFT系统开发:NFT功能搭建

开源直播系统源码

数字藏品 数字藏品系统软件开发 数字藏品开发

Java进阶(一)内存解析

No Silver Bullet

Java 9月月更 内存解析

客随主便-Mysql主从同步是怎样的过程?

知识浅谈

redis主从 9月月更

超大模型工程化实践打磨,百度智能云发布云原生 AI 2.0 方案

百度Geek说

云原生 人工智能’ 企业号九月金秋榜

金融科技创新者的困境

木风

金融科技 数字化转型 科技创新

架构师的十八般武艺:合规架构

agnostic

企业架构 合规

私有化部署的企业IM:实现工作消息、文件的全面可控

BeeWorks

web前端培训程序员学习什么呢

小谷哥

go语言逆向技术之---常量字符串解密

sofiya

Web漏洞靶场搭建(OWASP Benchmark)

sofiya

自然语言处理--神经网络的复习

IT蜗壳-Tango

自然语言处理 nlp 9月月更

如何在保护用户隐私的同时实现精准广告投放?

HarmonyOS SDK

广告sdk

web前端培训入门难吗?

小谷哥

2022年中国证券行业智能投顾专题分析

易观分析

金融 证券

定时任务报警通知解决方案详解

阿里巴巴云原生

阿里云 微服务 云原生 定时任务

程序员“反内卷”大法——和无效加班说再见!

博文视点Broadview

大数据培训是否可以延迟工作周期

小谷哥

阿里云高性能计算负责人何万青:阿里云大计算加速HPC与AI融合

阿里云弹性计算

AI HPC 高性能计算 无影云电脑 计算巢

参加前端培训后再就业难吗?

小谷哥

使用新的声道 SSML 功能修改 Amazon Polly 语音的音品_语言 & 开发_亚马逊云科技 (Amazon Web Services)_InfoQ精选文章