闡述各類配音問題，以及“聲音混血”的應用、技術和未來想象空間。
配音問題困擾了很多人，用戶主要有一些這樣的困擾：
1、聲音不好聽。
2、普通話不標準。
3、沒有專業的錄音設備和安靜的錄音環境 。
4、找真人配音太貴了。
5、自己配音太麻煩了，還花費時間。
為解決以上這些配音困擾，可以選擇使用軟件配音，讓不同的AI配音員竭誠為你服務。比如人工智能公司出門問問推出AI配音神器——魔音工坊，目前擁有上百種音色可供選擇。女主播里，既有御姐，也有蘿莉，更有甜美可愛的，也有情感電臺風的。男主播里，既有類似毒舌風格的解說員，也有磁性渾厚的，更有支持多種風格的「百變艦長」。
不過對配音而言，目前一個大的場景是段視頻配音，除了聲音好聽，其實還有一個需求是聲音能做到個性化，也就是不雷同，有獨家特色。為了解決這個問題，魔音工坊也推出了面向用戶的聲音定制服務。需要合作的自媒體人，既可以選擇克隆自己或者朋友的聲音，也可以讓魔音工坊去幫忙尋找主播。
其中，有一些用戶，自身的聲音不算太好聽或不標準，很自然地會產生“能不能幫我給聲音一鍵美顏？”的需求和想法。也就是說，為自己的聲音進行一層“濾鏡美顏”，在自身聲音的基礎上，讓用戶的聲音更專業一些，聽著舒服一些，但依然可聽出來是自己的聲音。
聲音「一鍵美顏」的AI技術原理
我們知道，聲音的音色是和人的發音器官相關的，而聲音的節奏和韻律等，則是可以后天習得的。讀個播音專業，或者是業余參加個配音培訓班，都可以改進自己的聲音品質。那么，AI技術是否可以幫用戶做到「一鍵美顏」呢？答案是顯然的，這個技術就是說話人轉換，魔音工坊里，產品功能叫做「聲音轉換」。
說話人轉換(屬于voice conversion技術的一小類)，它的功能是把A的說話風格（節奏和韻律等）遷移到B上。轉換后的聲音，會有B的音色，并擁有A的節奏和韻律等信息。我們嘗試給這個功能取了幾個不同的名字，大家也可以稱之為聲音的「移花接木」，「鸚鵡學舌」功能，聽名字可能就會「顧名思義」一番，聯想到它的功能。
這個功能得益于出門問問的MeetVC技術。同時采用出門問問自研語音識別技術(wenet等)，去除發音人音色信息，得到與音色無關的內容信息，經過encoder-decoder(編碼-解碼)變聲模型訓練，從而獲取目標發音人的音色信息，最終經過聲碼器得到語音。原理框架圖如下所示:
打造DIY的“聲音混血”神器
有了聲音轉換之后，魔音工坊做了幾個事情：
1，給魔音工坊自研的一些聲音，開發了一些“混血模型”。比如魔音平臺最火的男聲叫做魔天輪，最火的女聲是魔伊莉，我們就會訓練兩個模型，蔣魔伊莉的節奏嫁接到魔天輪上，讓魔天輪保持磁性的音色的同時，也有魔伊莉獨有的柔情節奏。
2，面向用戶提供“聲音混血”服務。如果某位用戶的音色不錯，只是播音基礎不太好，讀起來沒有很好的節奏。這時候，我們可以讓他進棚錄制一定的數據，然后魔音訓練他的模型，并讓用戶選擇一位他喜歡的主播，從而幫他訓練一個混血模型，嫁接某個AI主播專業的節奏感和韻律給他，從而讓他的AI聲音聽起來更舒服，卻聽著像他。
我們都知道，顏值經濟早已經到來。人們未來變得好看，購買各種化妝品、保養、美容，大家都愿意為美付費。而聲音和視覺一樣，都有著天然的魅力。人們喜歡看好看的帥哥美女，也喜歡聽好聽的聲音。如果某個人擁有驚人的外貌，卻天生一把公鴨子嗓，不免會讓人心生感嘆。因此，我們認為，未來，聲音的美容也會成為愛美人士的新需求。如果希望天然的，那就是接受聲音的培訓，就如同音樂苗子經過培訓成長為專業歌手，不好聽的聲音，經過配音，也會變得更加悅耳。
對于直播、短視頻、有聲書里的聲音，則未來借助技術，如何有效低成本地美化聲音，將成為趨勢。而說話人轉換技術，以及在聲音克隆時提供的聲音混血服務，必將逐漸流行。正如美容需要參照高顏值明顯的五官比例，聲音混血則需要采樣聲音好聽（專業的一般比較好聽，但是非專業也可能好聽）的主播的說話風格和節奏。魔音工坊正在和各路好聲音合作（包括知名支持人、主播、配音演員等），構建業界領先的聲音商店，從而學習到好聲音的各種知識，為更好地提供聲音混血服務提供優質樣本。
歡迎有獨特配音需求的自媒體從業者，有聲書主播和魔音工坊合作，通過克隆自己的好聲音，或者開發定制美化版本的聲音，來提高內容制作過程中的配音效率，為繁榮中國的有聲內容添磚加瓦。
