前段时间你肯定被一款派对推理游戏刷了屏。它登顶微博热搜、官服被挤爆、相关表情包霸占各个微信群、游戏解说视频千千万，在 Steam 上的单日在线人数，最高已经达到了 50 多万。这款游戏是《Goose Goose Duck》，被中国玩家叫做《鹅鸭杀》，是一款拥有丰富玩法的“太空狼人杀”游戏。 鹅鸭杀（图源 Steam） 在《鹅鸭杀》《Among Us》等太空狼人杀/派对桌游类型游戏常上热搜、登 Steam 热榜、持续占领朋友圈和微信群的爆火背后，游戏语音为游戏的社交性及娱乐性增添了超多 BUFF。接下来我们
hi，小伙伴们，今天的主题是研究研究TTS，最近工作内容涉及到AI视频混剪，需要进行音色合成，看一下市面上效果好又花钱少的相对成熟技术薅羊毛！
LiveVideoStack：贺雯迪，你好，感谢你接受LiveVideoStack的采访，作为本次大会AI与多媒体内容生产创作专场的讲师，请先和大家介绍一下你目前负责的工作方向和演讲内容。
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）。演讲的方向是基于现在语音合成领域中比较具有发展前瞻性和讨论性的：语音合成中风格迁移、情感合成、音色克隆等衍生方向上技术和应用方面的探讨。
最近爆火的“元宇宙”概念，从“Meta+Verse”的词义直译而来，最早来源于美国科幻小说《雪崩》，指的是一个平行于现实的网络世界。游戏是最接近“Metaverse”的形态。在目前主流的观点里，“Metaverse”游戏具有真实、沉浸的互动与社交体验；允许玩家自由的互动、创作和进行价值交换；具备多元与包容的文化和内容。
选自Baidu Blog 机器之心编译 参与：吴攀、蒋思源 今年 2 月份，百度提出了一种完全由深度神经网络构建的高质量文本转语音（TTS）系统 Deep Voice，参见机器之心报道《百度提出 Deep Voice：实时的神经语音合成系统》。近日，百度对这一系统进行了更新，提出了 Deep Voice 2，其可以使用单个模型生成不同的声音。百度在其研究博客上对这一研究进行了简单的介绍，机器之心对该博客文章和论文部分内容进行了编译介绍。有关文本转语音的更多研究，可扩展阅读机器之心文章《语音合成到了跳变点？深
VScode (Visual Studio Code) ，相信不少人都听过这个功能强大的编译器，这个编译器通过自身优势和微软大厂加持，已经进入大众眼中，并为大多数人所用。但是，要想真正学会VScode可不是那么容易的，因为VScode的难度堪比一门编程语言，看看我架子上摆的《Visual Studio Code权威指南》和《C Primer Plus》就知道了…**（不过自己才翻了几页） **
阅读本文大约需要4分钟 导语丨随着游戏市场的日益成熟, 基于H5实现的游戏需要不断提升自身用户粘性; 依托于网页形式分发的便捷, 致力于网页实现的轻应用异军突起, 市场对Web端的应用对于语音能力需求
点击观看大咖分享 随着游戏市场的日益成熟, 基于H5实现的游戏需要不断提升自身用户粘性; 依托于网页形式分发的便捷, 致力于网页实现的轻应用异军突起, 市场对Web端的应用对于语音能力需求日益强烈.
上周二，直播分享《如何通过GME轻松接入语音功能，粘住你的玩家？》中，腾讯游戏多媒体引擎 （GME）的产品经理王鼎，带游戏开发者了解了语音对游戏玩家社交、玩家粘性的重要性，熟悉了4 行代码即可接入的游戏语音方案。本文将带大家回顾直播精彩内容，并解答开发者在评论区的提问。 分享内容 语音是如何“粘住”玩家的？ 根据腾讯云和伽马数据联合发布的游戏产业趋势报告，可以发现玩家对于游戏中的沟通交流需求非常强烈。90.6% 用户会通过游戏中的内置语音功能与其他玩家沟通，73.7% 用户在游戏没有内置语音功能的情况下，会
随着各种R（AR/VR/MR...）技术的发展，国内外科技巨头都开始在Metaverse这个领域布局。Metaverse场景对实时语音交流的沉浸式效果及玩法会有更高的要求，而GME致力于提升玩家在虚拟世界中的沉浸感。 一波GME声音效果demo袭来， 戴上耳机效果更佳。 不同的游戏空间中，GME可以使声音呈现出极度还原真实场景的沉浸体验，而不是让人分分钟出戏的“电话体验”。这个视频中呈现出“空旷的体育馆”和“密闭的房间”中，玩家声音所呈现出来的不同混响效果。 Metaverse的语音体验一定要把语音的
【新智元导读】微软今天开源微软认知工具包（Microsoft Cognitive Toolkit）的升级版本，CNTK 升级版。本次升级最大的亮点在于增加了 Python 绑定。另外，新版本工具包跨服务器处理能力也得到了提升，能有效加快处理速度，并支持增强学习的实践。 AI WORLD 2016 世界人工智能大会开场视频（完整版） 亮点： CNTK 现在支持全新的C++ 和 Python APIs 提供新的Python例子和课程 支持快速的R-CNN算法 CNTK Evaluation 数据库有改进，其中包
不知道有多少人和文摘菌一样，看漫画的时候会自动脑补角色的声音、把漫画在脑子里自动给变成动漫。
你猜的没错，这段有声书并非来自某个专业制作团队，而是一个 AI 模型 Seed-TTS，而这个模型则是来自字节跳动的 Seed Team。
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、语音聊天是一个必不可少的环节。这是一个通用的需求，如果由游戏厂商自己从零开始研发相应的音频技术，既不经济也不具备技术优势，市面上有一些厂商提供第三方的游戏音频SDK，让游戏开发商免于重复造轮子的同时，把更多时间花在提升核心竞争力上。
语音识别及深度学习领域专家、腾讯AI Lab副主任及西雅图实验室负责人俞栋博士，在2018年腾讯全球合作伙伴大会上展示了腾讯AI正在推进的跨领域前沿研究：下一代的多模态智能人机交互。以下是有补充的演讲全文，介绍了人机交互的历史与目标、下一代智能人机交 互的优势与挑战，及腾讯AI的解决方案。
最近公众号停更了一段时间，因为一直忙于GMGC2016全球移动游戏大会的腾讯游戏服务展位工作，负责演讲：腾讯游戏开发者训练营—腾讯如何打造实时对战手游。这篇推送便是此次GMGC的演讲内容。 从2015
做个比较，当机器的“脑子”里想到了一段内容时，或者是看到了一段话时，知道哪些字应该怎么读：
最近的社交媒体上，一位玩家在“你最近最喜欢的游戏是什么”的问题下提到，他近期沉迷玩一款名为《Dark and Darker》的游戏，尤其当它重新引入了全新的语音系统（VoIP）后，游戏体验变得更好了。
李杉 编译整理 量子位 出品 | 公众号 QbitAI —— “我说什么了，你就这么生气？” —— “跟说了什么没关系！” 这时候，男孩纸要想和女朋友和好，得知道问题出在你说话的语气上。面对女朋友，控
游戏多媒体引擎（Game Multimedia Engine,GME）作为游戏语音的PaaS服务，致力于提升游戏语音的质量，简化语音接入的流程，创造更多的语音玩法。GME基于Wwise引擎推出了独有的解决方案，目前是Wwise官方支持的唯一语音合作伙伴，本文将对Wwise + GME方案做简单的介绍，看一看那些被解锁的游戏语音新玩法。
---- 新智元报道 编辑：桃子 Joey 【新智元导读】最近，亚马逊在其年度会议 Re:MARS上展示了Alexa模仿逝去亲人声音的功能，是个好消息，但似乎听起来有点毛骨悚然。 最怕的不是逝去，而是永远的消亡... 还记得「超验骇客」中的一幕： 女主将即将逝去的丈夫的意识数据上传到智能电脑中。 幸运的是，男主奇迹般地在虚拟世界中复生。 或许电影中超现实一幕还离我们非常遥远，但是将人的语音保留下来还是没有问题的。 这不，亚马逊称，自家的语音助手Alexa能够模仿逝去亲人的声音。 现场，亚马逊演
“全双工”一词对于通信专业出身的老码农而言太容易引起曾经的记忆了，“通信就是计算机”也是大学的一位老师给我印象很深的一句话。那么——
YouTube博主Art from the Machine正式发布Mantella，能够让「上古卷轴5」中的NPC们复活的全新AI Mod。
下面的一个小视频可以让你直观了解 Wwise+GME 可以做到什么样的语音效果，但首先，我们先来了解一下“Wwise+GME”：
出色的游戏社交体验能够大幅提升玩家的活跃度和留存率。但想要打造极致的游戏社交体验，开发者同样也面临着诸多挑战。针对游戏场景中的特色音视频需求及技术难点，腾讯云实时音视频TRTC整合腾讯云在游戏及社交方向的长期技术积累及海量实践经验，进一步深度优化推出一站式游戏社交解决方案 —— 游戏多媒体引擎（Game Multimedia Engine, GME），帮助全球游戏开发者快速打造沉浸式游戏社交体验。作为当前Wwise官方支持的唯一语音合作伙伴，本期，我们将为大家介绍GME基于Wwise引擎推出的独有解决方案，与大家一同解锁游戏语音新玩法。
本文即针对移动游戏环境下实时语音所面对的挑战，介绍一些语音预处理、流媒体协议等通用的解决方案。
「 唯物」按：以下文章来自扎克伯格的笔记"Building Jarvis"，由雷锋网编译。 2016 年我给自己制定了一个挑战：打造一个像钢铁侠里 Jarvis 那样的家庭 AI 助手。 我的目的是了
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 将ChatGPT打造成猫娘风格的对话AI，已经是老司机的基操了。 但有没有想过，这只猫娘还能进一步从对话框里“跳”出来，能动、会做表情，还可以互动聊天？ 这不，就在ChatGPT开放API后，视频博主@大谷Spitzer火速搞了个3D猫娘女友： 能互动玩猜谜游戏，表情像是在认真听题： 还能根据语音指令走到你身边，答应帮你“做饭”的那种： 值得一提的是，这里的猫娘3D模型只是个示例。 无论是语音模板还是模型，都可以根据个人喜好更改，说话的风格也可以调
3月14日，腾讯旗下知名手游《QQ炫舞》正式上线各大应用商店，并迅速登上App Store免费游戏总榜第一位。作为一代玩家的青春记忆，早在游戏发布前，《QQ炫舞》手游全渠道预约人数就已突破2000W，其火爆程度不亚于腾讯旗下两款吃鸡手游。
一名已经15年没有说话的瘫痪男子，正使用脑机接口来解码他想说的话（一次一个词）。加州大学旧金山分校
时隔65年，在近日Google Research软件工程师Inbar Mosseri和Oran Lang发表的论文《Looking to Listen at the Cocktail Party》中，采用了一个全新的视听模型为“鸡尾酒会”问题提供了一个合适的解决之道，这一突破为语音识别不仅带来了更多新可能，同时也成为该领域一个划时代的分水岭。
随着手机性能的提高，手游开始向复杂化发展。不再是以消消乐这种简单的小游戏为主，RPG、实时对战类游戏开始变火。这种游戏，由于有玩家间的交互，有团队作战、配合，保证玩家能够进行实时语音通话，成为极大的需
“CCF语音对话与听觉专业组走进企业系列活动”第十期之“走进腾讯”研讨会于上周六圆满闭幕，本次研讨会由上海交通大学钱彦旻副教授主持，并邀请到四位专家介绍腾讯语音及对话领域的最新成果，分别是： 腾讯AI Lab语音技术中心副总监苏丹博士，腾讯AI Lab资深算法专家卢恒博士，腾讯语言算法专家黄申博士，腾讯多媒体实验室高级总监商世东。 其中，腾讯 AI Lab语音技术中心副总监苏丹博士作了题为《腾讯AI Lab语音技术中心应用与研究介绍》的学术报告，主要介绍了腾讯AI Lab语音技术中心的主要应用落地，分
而这种父母与孩童之间的交谈方式与成年人之间的交谈方式，在很多方面都不一样。除了上面这种拖长发音、重复单词的方式，父母还会根据我们已经学会的词语，继续教我们别的内容。
大部分游戏中的枪声、脚步声等周围环境声音是有 3D 音效的，但当玩家连麦时，不管队友在哪儿，他人说话的声音听上去都没有方向... 试想一下：在你都手忙脚乱地“突突突”时，队友发来求助语音“我在东南方向最近的茅房里中弹了！快来扶我……”，你还得看一眼地图再判断队友的位置。 3D 空间语音为玩家提供了更多的听觉信息，玩家直接通过语音听声辨位方位就可以知道队友/敌方的位置，身临其境地感受到对方的存在。玩起来是不是就方便、有趣多啦？ 快戴上耳机来感受下 3D 音效 🎧 很多游戏开发者开始问了： 3D 语音背后的技
本文中，Google 团队提出了一种文本语音合成（text to speech）神经系统，能通过少量样本学习到多个不同说话者（speaker）的语音特征，并合成他们的讲话音频。此外，对于训练时网络没有接触过的说话者，也能在不重新训练的情况下，仅通过未知说话者数秒的音频来合成其讲话音频，即网络具有零样本学习能力。
本文主要探讨了人工智能的发展历史、应用领域和未来的发展方向。从五六十年代的神经网络到现在的深度学习，人工智能技术不断发展和创新，推动了计算机视觉、语音识别和自然语言处理等领域的进步。未来，人工智能将在游戏 AI、机器人技术、自动驾驶等领域发挥更大的作用，同时，也会在创新、数据安全和知识产权保护等领域提出新的挑战。
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，既不经济也不具备技术优势，因此市面上有一些厂商提供第三方的游戏音频SDK，让游戏开发商免于重复造轮子的同时，能把更多时间花在提升核心竞争力上。
30岁那年，一次毁灭性的中风，让一位47岁加拿大女性几乎完全瘫痪，此后失语18年。
评判一个地方好坏的致命原则---体验感。同样，体验感也是网络游戏中不可或缺的元素。生活中我们通过旅行来放松身心缓解压力，换个城市最大的不同在于什么？在于人类对多元化场景的新奇体验带来的满足感。网络里多变的场景对我们视觉的冲击和吸引力更是被无限放大。极致场景体验感的背后一定站着一个支撑它的更伟大的GME。
可能是职业习惯，《流浪地球》中有一幕让小编印象非常深刻：刘培强戴着耳机和俄罗斯宇航员交流，两人各自说着母语，然后被实时同步翻译，毫无障碍不说，甚至拉家常开玩笑都没问题。这种黑科技，太好用了叭！
语言是一个两层的层级系统，在语音系统向语义系统跨越的过程中，音位作为语言中能够区别意义的最小的语音单位一直都受到语言学家和心理语言学研究者的关注，其在词汇存取过程中的作用一直是众多研究者争论的焦点。传统语言学理论中将音位视为词汇存取的关键单位，但这一观点不断受到其他语言学家与心理学家的挑战。作者对以往研究中存在的两种主要观点进行了分析，并分别针对性的反驳。
出色的游戏社交体验能够大幅提升玩家的活跃度和留存率。但想要打造极致的游戏社交体验，开发者同样也面临着诸多挑战。针对游戏场景中的特色音视频需求及技术难点，腾讯云实时音视频TRTC整合腾讯云在游戏及社交方向的长期技术积累及海量实践经验，进一步深度优化推出一站式游戏社交解决方案 —— 游戏多媒体引擎（Game Multimedia Engine, GME），帮助全球游戏开发者快速打造沉浸式游戏社交体验。为了让大家更好地了解这一方案，我们将通过系列文章带大家一起发现GME背后的功能及技术黑科技。
本文转自腾讯AI实验室 2019年，腾讯高校合作第一次迎来音乐声学博士，中国音乐学院音乐科技系李子晋副教授与腾讯AI Lab语音识别中心开展了一项歌声合成相关的合作。转眼间，他们的合作成果已经化成了腾讯AI数字人艾灵的音乐细胞。 今年六一儿童节，腾讯联合北京荷风艺术基金会发起“腾讯荷风艺术行动”，为音乐美学中国素质教育的发展做出贡献。 今天，他们为孩子们送上一份礼物：首席儿歌守护唱作人，青年演员歌手王俊凯与雄安孩子，以及腾讯AI数字人艾灵共同演绎的新歌《点亮》。这份礼物被以特别的方式呈现：在H5互动里，每
行早 发自 凹非寺 量子位 | 公众号 QbitAI 只需要演员五分钟的声音素材，就可以让他在电影里说另外一种语言？ 在没看到这段视频之前我是不相信的，来听听这段效果如何： 这段视频取自《博多之子》（英文名Every Time I Die），是一部英文惊悚片。 但是我们在播放中可以看到，只需要一键点击，就可以在任意时刻把英语转换为西班牙语，并且听起来还是原演员的声音。 连说话中惊恐、颤抖的细节也忠实地继承了下来，给我们展示了一把AI配音的神奇力量。 当然，这波操作也不出意外地打动了许多投资人。 制作这段内容
「语音识别」已经跟随着手机语音助手和智能音箱的普及变成了普通人日常生活的一部分，然而尽管包括谷歌、微软在内的诸多公司纷纷宣称其模型可以在标准数据集上「词错率降低到 6% 以下」、「水平超过普通人」乃至「水平超过专业速记员」，但是真实的场景里有很多标准数据集上不会出现的情况：远场问题、鸡尾酒会问题、中英文夹杂问题等等，这些情况的存在导致现实生活中，语音识别模型的效果还远远达不到人类的期望，亟待解决的问题还有很多。
鱼羊 萧箫 发自 凹非寺 量子位 | 公众号 QbitAI “还有46分钟，董老师休假就结束了。” 这是董宇辉最新视频下点赞过百的一条留言。 他在东方甄选直播间消失的日子里，粉丝们涌入他的个人号，调侃“这个男人只要一放假休息，几十万人都得跟着失恋”。 然而对于头部主播来说，再怎么爱岗敬业，也总有下播的时候。 毕竟连着几个小时不断说话，还得是妙语连珠的那种，既耗费脑力，对体力也是个不小的挑战。 在这种情况之下，不仅“24小时直播”不大可能，连不轮班的长时间唠嗑也不是人人能顶得住的。 不过话说回来，如果有机器
北京时间今天凌晨2：00，美国宇航局对外举行新闻发布会，正式宣布在一个恒星周围发现有8颗行星组成的行星系统。此前，我们生活的太阳系一直以来都是围绕单个恒星周围已知行星数量最多的案例，有多达8颗行星围绕太阳运行。但今天，我们了解到，在2545光年之外，在一个名为“开普勒90”（Kepler-90）的恒星周围有着同样数量的行星。 本次发现的另一个亮点在于，这一成果是借助谷歌公司的机器学习技术实现的。机器学习技术的本质在于计算机通过人工智能技术实现“自我学习”。在这一案例中，计算机学会了如何对开普勒望远镜获得
消费地图服务领域一直是高德地图和百度地图的天下，早几年两者有关谁市占率更高的问题曾大打出手，火药味相当浓烈。但这些年高德和百度把更多的焦点转移到生态上面，布局车联网、布局无人驾驶、布局出行网络，现在的高德地图和百度地图，已经不再是简单的地图导航工具，而是双双进化成了巨大的出行甚至生活服务平台。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
