使用新的声道 SSML 功能修改 Amazon Polly 语音的音品

阅读数:11 2019 年 11 月 6 日 08:00

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-length SSML 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

复制代码
<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://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
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 1 col 2
使用新的声道 SSML 功能修改 Amazon Polly 语音的音品 立即收听

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/

欲了解 AWS 的更多信息,请访问【AWS 技术专区】

评论

发布