IBM Watson Text to Speech API，它能夠?qū)⑽谋竞铣蔀槎喾N語言、聲音和方言的音頻。這里面“Allison”的聲音音色很甜、很有吸引力，特別契合我的書中主人公 Hailee Tupper 的年齡和性格特點(diǎn)。

有這樣一種說法，一張圖片勝過千言萬語。但事實(shí)上，清晰、措辭得當(dāng)、音調(diào)和發(fā)音準(zhǔn)確的口頭語言能夠更好地營造最難忘、最美好的畫面。而人工智能已經(jīng)取得了顯著的進(jìn)展，能夠完成上述表達(dá)要求。

我想知道能否用一個(gè)女性人工智能聲音來演繹我所著的“Miraculous”一書中的主角，以讓人信服的方式讓聽眾相信她就是書中的真實(shí)角色。

我如何借助 Watson API 賦予主角生命

在對(duì)多家公司的多個(gè)不同的 AI 角色進(jìn)行試音后，我最終選擇了 IBM Watson Text to Speech API，它能夠?qū)⑽谋竞铣蔀槎喾N語言、聲音和方言的音頻。我選擇了“Allison”的聲音，因?yàn)樗囊羯芴稹⒑苡形Γ瑫r(shí)也契合書中主人公 Hailee Tupper 的年齡。

為了幫助她演繹書中場景，我使用了文本轉(zhuǎn)語音 API 的表達(dá)功能“Expressiveness”，該功能可以使用情感元素?cái)U(kuò)展 SSML，而該情感元素能夠表達(dá)好消息 (GoodNews)、道歉 (Apology) 或不確定 (Uncertainty) 的說話語氣（僅適用于美音 Allison 聲音）。可以進(jìn)一步了解 IBM Watson 情感語音服務(wù) Expressive SSML。

我的書中有數(shù)萬個(gè)單詞組合，Watson Allison 的聲音能夠以不同的方式處理這些單詞組合。通過單獨(dú)使用或組合使用三個(gè)情感語音情緒中的一個(gè)或多個(gè)情緒，并在說話時(shí)加上不同的停頓時(shí)間，她就能表達(dá)更多的情緒。

小說角色說話時(shí)會(huì)長短不一，因此會(huì)影響到一句話停頓的次數(shù)和頻率，而這種停頓也需要計(jì)算。書中特定場景的總體情緒也會(huì)影響停頓的頻率，如說話中止、語氣平靜和歡呼等。

下面，我將通過一個(gè)例子來展示上述技術(shù)有哪些作用。

若要完成此類項(xiàng)目，你是否必須成為一名 IT 人員或程序員？我不這么覺得。不論怎么想，我都不可能成為計(jì)算機(jī)人員或程序員。但是，我想說的是，耐心、實(shí)踐和創(chuàng)意都是非常重要的因素。這就像是一個(gè)故事的導(dǎo)演。整個(gè)過程會(huì)涉及大量的復(fù)制粘貼工作。關(guān)鍵要知道如何將代碼粘貼至文本中的正確位置，最終達(dá)到預(yù)期效果。

假如您對(duì)此類項(xiàng)目感興趣，我非常愿意與你分享我的知識(shí)和專業(yè)技能，比如，通過一個(gè)免費(fèi)的視頻，幫助您取得最佳成果。

最后，我想說的是，與 IBM Watson 合作是一段美妙、精彩的經(jīng)歷。如果有可能，我很希望能夠跟他握手致謝。