「差评」能骗173万的诈骗电话可以做到多逼真？
语音合成的技术 ， 其实已经发展了有一些年头了 。
像我们日常用的智能助理、导航语音、甚至听到的一些新闻播报 ， 用到的都是机器合成的语音 。
AI 主播每天自动合成语音和视频生产新闻内容
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
来源：澎湃新闻 App
如何合成一段语音
语音合成看起来很复杂 ， 但其实合成语音我们自己在家就能做：
比如把「 支付宝到账 」、「 元 」和「 一二三四五六 」一类的词都录好 ， 以特定的拼接组合方式播放出来 ， 你就收获了中国 8 亿支付宝用户都听过的报账声 。
当然了你自己录的声音既不甜美 ， 也收不到钱
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
这种通过「 拼接 」一段段音频 ， 最终获得一份语音的方式 ， 就叫做拼接法 。
拼接法制作的合成音 ， 在日常生活中其实最早可以追溯到超大号计算器的语音播报声 。
“ 加一 ， 加一 ， 加二 ， 等于 ， 归零！”
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
最原始的拼接法录制的样本就是那么几个固定短语句子 ， 给导航录的音就只能用于导航 ， 你要是问它今天天气怎么样 ， 它哪怕知道答案也没法用语音播报出来 。
后来 ， 有个聪明人一拍脑袋 ， 想出来一个绝招：要是我把每个中文字都录一遍 ， 不就什么话都能拼起来了么 。
不过 ， 拼接法合成的语句还有一个重大缺陷：语气和停顿 。
给支付宝配音的展妍小姐姐就曾自曝 ， 在录「 四 」的音时录了好几个发音 ， 才保证了不同场景下的合成效果 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
来源：小时视频24
并且拼接法也不知道该怎么给「 小明找不到 / 爸爸妈妈很着急 」 ， 「 小明找不到爸爸妈妈 / 很着急 」断句 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
拼接法能解决每一个字怎么念的问题 ， 但是读出来肯定不像一个正常人 。
所以怎么让合成语音听起来更逼真 ， 成了大家优化的重中之重 。
如何让语音更逼真
这个时候 ， 除了增加样本量 ， 我们还必须引入另外一样关键的技术：算法 。
有了算法的合成音就仿佛被注入了灵魂 。 说的直白点 ， 就是「 聪明的算法 ， 知道怎么处理一句话的语气和停顿 」 。
而这种使用算法辅助生成合成音的方式 ， 叫做参数法 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
参数法对音源的要求自然更高 ， 「 消除静音片段 」、「 专业录音环境 」这些都是常规操作 ， 最关键的是 ， 需要录制的声音不再是字的发音了 。
小学语文教会了我们 ， 每个字的发音其实都可以通过类似「波（ b ）破（ p ）么（ m ）佛（ f ）」这类的声母和韵母的两两组合出来 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
因此只要录下了这些声母和韵母的发音 ， 再通过算法进行合成 ， 任何声音、任何语调就都能被生成出来 。
连那些只闻其声不见其形的那些字儿也不在话下 。 。
你饿了吗？
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
不过合成音每逼真一分 ， 背后需要考虑到的情况都要增加数倍 ， 很多时候 ， 简易的算法都不能正确计算出一句话应有的语调、语气 。
而一旦算法变得复杂了 ， 运算量也就增加了 ， 合成音的生成速度也就变慢了 。 （ 电费也增加了 ）
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
来源：DeepMind 博客
以现在这些大企业的能力来说 ， 只要肯烧性能 ， 逼真的合成音大家都能做出来 ， 但要使用什么复杂程度的算法 ， 就要在 “ 效果 ” 和 “ 效率 ” 之间做权衡了 。
像我们平常在翻译 App 里听到的合成音都比较粗糙 ， 毕竟不能赚钱嘛 ， 能听个响就得了 。
而在能有钱进账的项目上 ， 合成语音却做得栩栩如生、惟妙惟肖 。
譬如不差钱的广告商们 ， 就很喜欢买这种服务 ， 毕竟只要量上来了 ， 肯定比雇真人打电话便宜不是 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
说起来 ， 大家肯定猜不到 ， 走在合成语音技术应用最前沿的场景是什么 。 。
是诈骗！
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
为了骗倒更多人 ， 骗子们是真肯下血本儿啊 。 。 。
就算是这样 ， 我们也不能只盯着语音合成不好的地方 。
像语音助理和智能音箱 ， 平时方便了不少人 。
再比如编辑部里经常看小说的实习生告诉世超 ， 现在的合成音越来越有「 说书人 」的味道了 ， 自从开始「 闭眼听书 」之后 ， 他感觉眼睛都焕发了新生 。
起点阅读 App 内集成的百度合成语音阅读模块
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
还有一些语音合成项目 ， 让已故的大师们又重新「 活 」了过来 。
----「差评」能骗173万的诈骗电话可以做到多逼真？ //----[ http://www.caoding.cn]
说不定以后 ， 我们也能把自己年轻时候的声音永远保存下来 ， 到时候让年老的自己和年轻的自己来一段对话 ， 想想好像也挺有意思的~
特别鸣谢：感谢出门问问的技术人员支持~
“ 如果给你一个语音合成引擎 ， 你会让它说些什么呢？”
推荐阅读
![[韩国]“穗康”小程序外文版上线 在穗韩国友人也可线上预约口罩购买](http://ttbs.guangsuss.com/image/bcacb45778c170f549875d4ac680559b)
- 三国杀：卡牌是否应该“界限突破”？且看这版「界闪电」设计如何
- 「周榜」9件最抢手美衣
- 丰田神车来了！上市10年，往期0差评，油耗4.7L，放弃奇骏
- 「连麦两会」两位90后村支书隔空分享战“疫”中的乡村管理经验，共谋致富奔小康之路
- 目前几乎零差评的三款苹果手机！便宜又好用，拿出去有面子
- 「两会访谈」新冠疫情下的外贸企业突围之路
- 「图解」半导体成当之无愧吸金王，2.8亿资金打板紫光国微
- 「威客电竞CSGO」ESL里约欧洲淘汰赛，Astralis 3比0碾压G2获冠军
- 最强神父！「圣水喷射攻击」净化信徒那颗邪恶的心
- 深夜美食之「红酒焗排骨」，熬最长的夜，吃最香的排骨