上海交大-思必驰联合实验室语音合成新产品让普通人“读诗成曲”

1月23日晚，中央电视台《经典咏流传》第二季节目中出现了一款“读诗成曲”的在线互动小工具，用户仅需要朗读一段诗词，就可以听到用自己声音演唱的经典诗词唱段。这一技术正是上海交大-思必驰联合实验室提供的个性化歌声合成算法。

歌声合成技术是语音合成（TTS，即 Text to Speech）的衍生品，其关键区别在于韵律预测模型不同。在普通TTS系统中，通常有个韵律模型来根据句子的内容和语调环境预测每个音素（音节）的时长和音高曲线。在歌声合成中，这个韵律模型则更换成由乐谱来预测每个音素（音节）的时长和音高的歌曲韵律模型。最终的生成过程仍然跟语音合成类似，将韵律参数和频谱参数结合，生成歌声。

在“读诗成曲”中，韵律预测模型可以使得机器根据人说话的语调合成歌曲，且根据唱段的韵律和节奏调整音调。

“读诗成曲”小工具在用户读诗录入后，设有“语音判断”环节，借助领先的语音识别技术，准确捕捉用户录入的诗词读音，并做出判断。当诗词读法准确无误时，用户就可以上传并合成歌声；当用户读法有误，如字词的错读漏读，系统则会建议用户返回录入环节，重新录音并合成歌声。这能够让大众在接触传统文化时，纠正其对经典文化认知方面的错误，保证传承的正确性，让大众享受科技、娱乐、文化三者交融的乐趣。

这一技术在央视舞台亮相后，引起了大众和业界的广泛关注，获得新华日报、人民网、新浪新闻、搜狐网、36氪等多家媒体报道。充分展现了上海交大-思必驰联合实验室在语音合成技术方面的卓越实力。