6月26日，最近更新了Iflytek的阳性合成技术，通过进步实现了两个核心功能：声音繁殖和超人合成。根据一项专业评估，IFLYTEK句子的声音再生产技术是行业的领导者，相似性，精度和其他方面。自2024年4月推出以来，IFLYTEK应用程序的“句子的音频再现”已被用户和行业高度认可。在智能语音领域，声音繁殖效应的核心指标始终围绕两个维度：相似性和精度。相似性决定了“耳朵的第一印象”，其中包括风格的音调和吸引力的特征。精度取决于声音复制品是否易于使用并保证标准发音，自然暂停和一致的音调。关键的Toiflytek技术进步是，除了基本概念之外还建立了Spark语音模型的连续迭代，也建立了三个阶段的层次级别的语音建模框架。首先，发音模式和节奏特性是通过火花基本模型精确捕获的。其次，在音调恢复阶段分开并重建声学特征。最后，高精度波形通过高精度的声音码器恢复。该语音建模框架通过语义表示破坏，并使用MEL VQ-AA模型与预先支持的语音编码器相结合。该结构从发音内容和音调的特征上提供了可控的分离，从而显着改善了Emantic LLM建模稳定性。基于发声并明确表达的能力，Iflytek创建了两种关键技术：改进的声音编码：声音模型中的全局语音指纹和创新的声音复制场景集成了用于本地表级别音调音调编码。强化李尔NING：通过鲁棒性评估和手动输入模型来构建优先数据集，并使用基于DPO的强化学习策略来显着改善合成语音的稳定性和自然流动。只有一个句子注册表，人工智能就可以完全捕获用户的喉部共振，口音特性，呼吸流和其他发音特征，精确地恢复了用户的暂停习惯，情绪低落，以及呼吸节律，实现复制效果与真实的人无可争议。从创纪录的数十个音频材料进入几段，直到可以在句子中复制声音，语音合成技术的实现速度更快，更好，更易于使用。总而言之，复制技术的进步代表了能够以低资源，低速和低应用阈值而产生令人惊讶的实际效果的能力。更多的场景和行业来自最个性化的需求，进步S和实施在AI的背景下培训数千个行业。在需要详细通信的情况下，类似的音调还不够。这次，Iphlytek的超人集成技术方法是为“上下文情感智力”发出AI声音。面对多个对话的复杂性，Iflytek已经开发了一种以上下文认可的语音生成系统。 Yesstema将历史文本与相应的音频特征结合在一起，以通过联运编码器分析上下文，从而使IA的声音能够随着真实的人和问题的变化而对情感的反应迅速。在对真实生活中的人和人工智能的对话测试中，随着问题和情感的变化，合成声音的语气实时适合，给出适当的情感反应，并且一般的自然性更接近真实的人的水平。实施AI语音技术的最突出的领域是智能汽车舱。 the emotional tone of the superhumanity introduced by NIO for the NOMI attendees in the "Banyan 3.1.0" version "earlier this year is due to the deep empowerment of Iflytek. The new child models equipped with this technology (ET9, new series ES6/EC6/ET5, etc.) are the first in the industry to apply voice synthesis frames Genergized by AI. In addition to NIO, the main car companies such as Chery, Gac, Fall Nissan和Honda也有智能的汽车交流，我们选择了Iflytek超级人性系统的辐射范围夏季更新是学习添加的“交互式咨询计划AI 1-1”的新特征机器可以通过多次对话分析知识领域，并根据学生的能力水平生成精确的学习计划。在创建数字内容的领域中，Iflytek的超人数字技术允许其个性化录制“一张照片 +一个句子”个性化，其唇部同步率达到98％。这项技术帮助天津大学的教师创建了个人IP MOOC并简化了教学视频的过程。在医疗情况下，当机器人指南配备了情感整合技术时，与方言中的老年患者交流时，对话的自然性增加了200％。随着火花语音模式在教育，医疗和金融等领域的深厚渗透，其技术基础为全国50,000多所学校，600家医院和许多金融机构提供服务。 “我们希望声音不仅是一种工具，而且也成为新的DI带来情感和个性的媒介。 Iflytek研究所主任Liu Cong说：“多样化和情感的声音的年龄将使现实。