911制品

《《美丽的小蜜桃2》电视剧在线观看- 全集韩剧- 88影视》剧情介绍：1998年上半年李某明伙同徐某金等5人先后两次窜至我县唐村镇某村打听到唐村镇村民方某家中存有美元后找到方某借口用人民币购买美元购买过程中趁机用假美元置换盗窃真美元因方某已将美元存银行定期未能成功同年10月份李某明等人再次上门调包真美元因受害人警惕未能得逞后从江西叫来同伙曾某森和谢某平实施抢劫将受害人杀害抢走6000多美元逃离现场家老们交头接耳隐现慌乱有的人已经开始想着要求援兵《美丽的小蜜桃2》电视剧在线观看- 全集韩剧- 88影视她告诉我们：无论年龄多大只要有勇气随时都可以重新开始

《《美丽的小蜜桃2》电视剧在线观看- 全集韩剧- 88影视》视频说明：这对男女已不是方源见到的第一对他们或许都很平凡在偌大的圣城中是微不足道的人物但平凡并非和幸福绝缘这样美好的一刻将是他们整个人生历程中的珍珠在接下来的日子里马克不仅学习汉语还努力了解中国的传统文化和社会规范他积极参与家庭聚会用实际行动证明自己对刘雪华的爱他的努力渐渐赢得了刘雪华父母的认可他们看到了马克的真心与付出也看到了他对女儿的呵护之情为什么你的语音助手说话不像人对于TTS技术原理及挑战2019-08-07 18:43·雷峰网每一位刚（wan）铁（nian）直（dan）男（shen）都梦想下班路上偶遇电影《Her》中的机器人女友萨曼萨虽然只闻其声不见其人但仅听声音就能感受到各种情感的诠释萨曼萨背后的真人配音来自斯嘉丽约翰逊有人说光听声音就已满足我对她全部的幻想可以说消除人与机器之间的隔阂拉近之间的距离声音是至关重要的而在现实生活中AI 语音助手说话还远远达不到我们理想的声音为什么你的机器人女友说话不像斯嘉丽约翰逊今天Rokid A-Lab 语音合成算法工程师郑杰文将从语音合成技术谈起给大家分析其中原因以下EnjoyTTS背后的技术原理——前端和后端系统让语音助手说话的技术叫 TTS（text-to-speech）也就是语音合成打造自然、真实、悦耳的 TTS是 AI 领域的科学家和工程师一直努力的方向但前进过程中总会碰到各种拦路虎它们究竟是什么 我们先从 TTS 的基础原理讲起TTS 技术本质上解决的是从文本转化为语音的问题通过这种方式让机器开口说话图 1语音合成一个从文本转化为语音的问题但这个过程并不容易为了降低机器理解的难度科学家们将这个转化过程拆分成了两个部分——前端系统和后端系统图 2前端和后端一起组成的TTS前端负责把输入的文本转化为一个中间结果然后把这个中间结果送给后端由后端生成声音接下来我们先来了解一下前端和后端系统是如何分工协作的生成语言学规格书的前端系统小时候我们在认字之前需要先学习拼音有了拼音我们就可以用它去拼读我们不认识的字对于 TTS 来说前端系统从文本转化出的中间结果就好像是拼音不过光有拼音还不行因为我们要朗读的不是一个字而是一句一句的话如果一个人说话的时候不能正确的使用抑扬顿挫的语调来控制自己说话的节奏就会让人听着不舒服甚至误解说话人想要传达的意思所以前端还需要加上这种抑扬顿挫的信息来告诉后端怎么正确的说话我们将这种抑扬顿挫的信息称之为韵律（Prosody）韵律是一个非常综合的信息为了简化问题韵律又被分解成了如停顿重读等信息停顿就是告诉后端在句子的朗读中应该怎么停重读就是在朗读的时候应该着重强调那一部分这些所有的信息综合到一起我们可以叫语言学规格书图 3.前端通过生成语言书规格书来告诉后端我们想要合成什么样的内容前端就像一个语言学家把给它的纯文本做各种各样的分析然后给后端开出一份规格书告诉后端应该合成什么样的声音在实际的系统中为了让机器能正确的说话这份儿规格书远远比我们这里描述的要复杂扮演发音人的后端系统当后端系统拿到语言学规格书后目标是生成尽量符合这个规格书里描述的声音当然机器是不能凭空直接生成一个声音的在这之前我们还需要在录音棚里录上几个到几十个小时不等的音频数据（根据技术不同使用的数据量会不同）然后用这些数据来做后端系统目前主流的后端系统有两种方法：一种是基于波形拼接的方法一种是基于参数生成的方法波形拼接的方法思路很简单：那就是把事先录制好的音频存储在电脑上当我们要合成声音的时候我们就可以根据前端开出的规格书来从这些音频里去寻找那些最适合规格书的音频片段然后把片段一个一个的拼接起来最后就形成了最终的合成语音比如：我们想要合成你真好看这句话我们就会从数据库里去寻找你、真、好、看这四个字的音频片段然后把这四个片段拼接起来图表 4使用拼接法合成你真好看当然实际的拼接并没有这么简单首先要选择拼接单元的粒度选好粒度还需要设计拼接代价函数等参数生成法和波形拼接法的原理很不相同使用参数生成法的系统直接使用数学的方法先从音频里总结出音频最明显的特征然后使用学习算法来学习一个如何把前端语言学规格书映射到这些音频特征的转换器一但我们有了这个从语言学规格书到音频特征的转换器在同样合成你真好看这四个字的时候我们先使用这个转换器转换出音频特征然后用另一个组件把这些音频特征还原成我们可以听到的声音在专业领域里这个转换器叫声学模型把声音特征转化为声音的组件叫声码器为什么你的AI语音助手说话不像人如果简单的给这个问题一个答案的话主要有两个方面的原因：你的AI会犯错为了合成出声音AI需要做一连串的决定一但这些决定出错就会导致最终合成出来的声音有问题有强烈的机械感听着不自然TTS的前端系统和后端系统都有犯错的可能使用AI合成声音时工程师对这个问题过度简化导致没有准确的刻画声音生成的过程这种简化一方面是来自于我们人类自己对语言和人类语音生成的认识还不足够；另外一方面也来自于商用语音合成系统在运转的时候要对成本控制进行考量下面我们具体来聊聊造成AI语音助手说话不自然的前端错误和后端错误问题前端错误前端系统做为一个语言学家是整个TTS系统里最复杂的部分为了从纯文本生成出最后的语言学规格书这个语言学家做的事情要比我们想像的多得多图表 5典型的前端处理流程一个典型的前端处理流程是：文本结构分析我们给系统输入一个文本系统要先判断这个文本是什么语言只有知道是什么语言才知道接下来如何处理然后把文本划分成一个一个的句子这些句子再送给后面的模块处理文本正则在中文场景下文本正则的目的是把那些不是汉字的标点或者数字转化为汉字比如这个操作666啊系统需要把666转化为六六六文本转音素也就是把文本转化为拼音由于中文中多音字的存在所以我们不能直接通过像查新华字典一样的方法去找一个字的读音必须通过其他辅助信息和一些算法来正确的决策到底要怎么读这些辅助信息就包括了分词和每个词的词性韵律预测用于决定读一句话时的节奏也就是抑扬顿挫但是一般的简化的系统都只是预测句子中的停顿信息也就是一个字读完后是否需要停顿停顿多久的决策从上面四个步骤可以看出任何步骤都是有可能出错的一但出错生成的语言学规格书就会错导致后端合成的声音也会错一个TTS系统典型的前端错误有以下几种类型：1、文本正则错误由于我们的书写形式和朗读形式是不一样的所以在前端非常早期的阶段需要把书写形式转化为我们实际朗读的形式这个过程在专业领域里叫文本正则比如我们前面说到的666要转为六六六我们非常容易感受到TTS系统中文本正则的错误比如下面这句：我花了666块住进了一个房号是666的房间我们知道前面的666应该读成六百六十六后面的666应该要读六六六但是TTS系统却很容易搞错另外一个例子：我觉得有2-4成的把握这场比分是2-4这两个2-4到底应该是读二到四两到四还是二比四呢你应该一眼就能知道到底怎么样读才是正确的但是对于前端系统来说这又是一个难题2、注音错误中文是一门博大精深的语言正确的朗读它可并没有好么容易其中一个比较棘手的问题就是面对多音字时到底应该选择哪一个音来朗读呢比如这两句：我的头发又长长了和我的头发长长的这里的长到底应该是读二声的chang还是读四声的zhang呢?当然人可以很轻松的挑选出正确的答案那么下面这一句呢：人要是行干一行行一行行行都行要是不行干一行不行一行行行不行可能你也要略加思索才能读对这中间的所有行对于AI来说就更难了你可能时不时的就能听到AI助手在朗读多音字时读错了这种错误很容易就被你的耳朵捕捉到并让你立刻有一个印象：这绝对不是真人在说话~当然多音字错误只是注音错误中的一种还有其他的一些错误如轻声儿化音音调变调等总之准确的让你的AI助手朗读所有的内容并不容易3、韵律错误如前面所说为了更准确的传递信息人在说一句话的时候需要有节奏感如果一个人在说话的时候中间不做任何的停顿会让我们很难理解他说的意思甚至我们会觉得这个人不礼貌我们的科学家工程师都在想方设法的让TTS朗读得更具备节奏感一些更礼貌一些但是在很多时候TTS的表现却总是差强人意这是因为语言的变化太丰富了根据不同的上下文甚至不同的场合我们的朗读的韵律节奏都不太一样韵律中最重要的就是讨论一句话的停顿节奏因为停顿是一句话朗读正确的基础如果停顿不对错误很容易被人耳朵抓住比如这句：为你切换单曲循环模式如果我们用|来表示停顿那么一个正常的人朗读的停顿节奏一般是这样的：为你切换|单曲循环模式但是如果一但你的AI助手说为你切|换单曲循环模式这种奇怪的节奏感时你内心可能是奔溃的后端错误聊完前面这个经常犯错的语言学家我们再来看看后端：这个按照语言学家给的 规格书来读稿子的发音人前面提到后端主要有拼接法和参数法两种方式现在苹果亚马逊的AI助手Siri和Alexa 使用的是波形拼接的方法而在国内大多数公司都是使用参数法所以我们关键来看一下参数法可能的后端错误后端系统在拿到前端给的语言信息后要做的第一件事情是决定每个汉字到底要发音多长时间（甚至是每个声母韵母要发音多长时间）这个决定发音长短的组件在专业领域里叫时长模型有了这个时间信息后后端系统就可以通过我们前面说的一个转换器（也叫声学模型）把这个语言学规格书转化为音频特征了然后再用另一个叫声码器的组件把这些音频特征还原成声音从时长模型到声学模型再到声码器这里面的每一步都可能犯错或者不能完美的生成我们想要的结果一个 TTS 系统里典型的后端错误有以下几种类型：1、时长模型错误在一句话朗读的时候根据上下文语境的不同每个字朗读发音时间是不一样的TTS系统必须根据上下文去决定到底哪些字应该读音拖长一点哪些字应该读短一些其中一个比较典型的例子就是语气词的朗读通常这些语气词由于携带了说话人的语气情感它们的发音都会比普通的字要长一些比如这句：嗯我想他是对的这里的嗯在这个场景下很明显需要被拖长用于表示一种思考之后的判断但是并不是所有的嗯都要拖这么长比如这一句：嗯你刚才说什么这里的嗯代表是一种疑问的语气发音就要比上面句子中的嗯要短得多如果时长模型不能正确的决策出发音时长的话就会给人一种不自然感觉2、声学模型错误最主要的声学模型错误就是遇到在训练后端这个发音人时没有见过的发音声学模型的作用是从训练音库里学习到各种语言学规格书所对应的语音声学特征如果在合成的时候遇到了训练过程中没有见过的语言学表现那么机器就不太容易输出正确的声学特征一个常见的例子是儿化音原则上来说每个汉语拼音都有对应的儿化音但在实际说话中有些儿化音被使用到的频次极低因此录制音库的时候通常并不会覆盖所有的儿化音而是仅仅保留最常见的一些这个时候就会出现一些儿化音发不出来或者发不好的现象3、声码器错误声码器的种类比较多但是比较传统、比较常见的声码器通常都会用到基频信息那什么是基频呢基频就是你在说话的时候声带震动的快慢程度这里教你一个简单的方法来感受自己说话的基频：把自己的除大拇指以外的其他四个手指按压到自己的喉咙部分然后自己开始对自己随便说话这个时候你就会感受到你的喉咙在震动这个震动的信息就是我们的基頻信息发浊音时会伴随声带振动声带不振动发出的音称为清音辅音有清有浊而元音一般均为浊音所以合成语音中元音和浊辅音的位置都应该对应有基频如果我们前面提到的声学模型输出的基频出现偏差声码器合成的声音就会听起来很奇怪在训练后端这个发音人时我们也要通过算法来计算出基频信息不好的基频提取算法可能会造成基频丢失、倍频或者半频的现象这些都会直接影响基频预测模型的效果如果应该有基频的地方没有预测出基频合成声音听起来就是沙哑的对听感的影响十分明显一个好的声码器还要处理好基频和谐波的关系如果高频谐波过于明显在听感上会造成嗡嗡的声响机械感明显总结在这篇文章里我们介绍了 TTS 的基础原理以及分析了语音助手不能像真人一样说话的原因：TTS 在做各种决策中会犯错导致朗读出错或者不自然同时为了让电脑可以合成声音工程师会对文本转语音问题做简化导致没有准确的刻画声音生成的过程这种简化一方面来自于对语音语言生成过程的认知局限同时也受限制于目前的计算工具尽管现在在这个领域内有很多新的方法特别是使用深度学习（Deep Learning）方法来直接做文本到语音的转化而且已经展示出来了非常自然的声音但是让你的 AI 助手完全像人一样说话仍然是一项非常具有挑战性的工作雷锋网按：本文作者郑杰文爱丁堡大学人工智能硕士师从国际著名语音合成专家Simon King教授 现任职Rokid ALab 语音合成算法工程师负责语音合成引擎架构设计后端声学模型开发等工作

他将周围的黑石林利用到极致巨开碑的龙行虎步蛊速度比方源更快但却抓不着他订酒店时他说：

为开学季保驾护航↓