多种汉语方言语音落地应用，微软智能语音解锁更多交互场景

Posted 2023-02-13 AI科技大本营

多年来，微软持续探索 AI 语音合成与识别技术，获得了大量成果：Azure Neural TTS（text-to-speech，语音合成）与 STT（speech-to-text，语音识别）支持的语言区域达到 140 余个，并支持超过 400 多个音色，并具有丰富细腻的情感，与真人声音不相伯仲。目前，微软智能语音已赋能超过 100 个国家合作伙伴的产品及服务，共同打造了语音交互生态。

近两年，微软在汉语方言智能语音上加大了研究力度，在语音合成上实现了对吴方言和粤方言两种汉语方言，以及西南官话、东北官话、冀鲁官话、中原官话（包括河南、陕西地区）等多种官话次方言的支持；在语音识别上支持吴方言、粤方言和西南官话，受到了众多企业客户的青睐，也得到了终端用户的认可。

值此辞旧迎新之际，微软智能语音为大家送上新春祝福！一起感受方言朗读的独特魅力。

中原官话（河南）音频：

https://ttspublic.blob.core.windows.net/nickzhao/yuanri-henan.wav

中原官话（河南）朗诵的北宋王安石的《元日》

方言版智能语音需求日益增多

在智能家居领域，使用智能语音控制空调、电视、电灯等家居产品已经越来越常见。在与智能机器人的对话中，人们往往需要使用标准普通话以得到准确的反馈，但一些习惯使用方言的用户群体——比如家中的老人可能更倾向使用方言进行交流。因此，若智能家居企业在产品中引入方言语音，便能更好地满足人们对不同方言使用的需求。

以吴方言（上海）与智能空调进行交互：

吴方言（上海）音频：

https://ttspublic.blob.core.windows.net/nickzhao/shanghai.wav

侬好，已为侬打开空调，并将温度调低至 25 度。稍后还有其它需要，可以随时呼叫我。

在智能导航领域，各大地图厂商将"声音"作为吸引客户的重要卖点，纷纷推出了明星语音包、幽默风趣的相声语音包等等。近两年，越来越多的用户认为方言会让他们感觉更亲切、熟悉，也更容易理解。

以东北官话（辽宁）进行的语音导航：

东北官话（辽宁）音频：

https://ttspublic.blob.core.windows.net/nickzhao/liaoning.wav

我们已经驶入 2022 年冬季，冬天常常与雪为伴，温度将至零下，路面易结冰，所以请减速减速再减速。注意两百米后有一个小小的急转弯，但道路湿滑也容易让你漂移，请收油慢行。前方路口行人较多，还请踩下刹车，不要让它成为摆设。

在影视配音中，来自众多地域的不同角色，有时需要搭配方言才能更好地呈现人物形象。比如，角色设定来自东北，性格热情豪爽、快言快语，如果以普通话配音，就失去了特色；再比如，在美食介绍节目中，针对不同的菜系搭配当地的特色方言，更能引起人们的共鸣，想象中就能口齿生津。

以西南官话（四川）介绍美食：

西南官话（四川）音频：

https://ttspublic.blob.core.windows.net/nickzhao/sichuan.wav

重庆火锅以麻、辣、烫、鲜、香、嫩、脆著称，然而正宗的重庆火锅究竟应该烫啥子才巴适？鲜脆毛肚、爽滑鸭肠必不可少，富有嚼劲；剁椒嫩牛肉不可错过，双椒口感鲜辣十足；井水豆芽口感独特，石磨黑豆腐鲜香四溢，清爽荷心香甜解腻。

除了上述场景外，微软智能语音也已经在呼叫中心、新闻阅读等众多场景中应用。越来越多的企业对方言智能语音有需求，包括智能汽车、智能手机等企业对语音助理、呼叫中心的方言场景规划，以及（短）视频配音等等。

保护并传承传统文化，微软持续

致力于方言与诗歌智能语音的研究

汉语是世界上最古老的语言之一，受历史与地理条件的影响，出现了众多代表地域文化特色的方言。自 2017 年起，微软一直致力于 AI for Good 计划的推进，其中包括：通过提供前沿的技术、资源和专业知识，保护人文遗产以及创造更具可持续性和便利性的世界。微软也将持续投入于方言智能语音的研究，助力中国传统文化的保护与传承。

在方言之外，古典诗歌也是文化传承的重要载体。微软通过学习大量诗歌朗诵者的语音数据，可以让 AI 更好地表达诗歌的韵律、停顿、情感。微软可支持传统诗歌、现代诗歌、五言、七言律等智能语音的朗诵。 

中原官话（陕西）朗诵唐朝李世民的《守岁》：

中原官话（陕西）音频：

https://ttspublic.blob.core.windows.net/nickzhao/shousui-shaanxi.wav

《守岁》，唐，李世民。暮景斜芳殿，年华丽绮宫。寒辞去冬雪，暖带入春风。阶馥舒梅素，盘花卷烛红。共欢新故岁，迎送一宵中。

从智能家居到车载语音助手，从呼叫中心转写到多人会议记录，微软智能语音技术不断打破场景限制，让人工智能以各种各样的声音形象来丰富人们的工作和生活。未来，微软智能语音还将扩展覆盖更多全球语言和方言，持续提升模型质量、准确度，尽全力满足区域用户的个性化、差异化定制需求，为使用者提供更好的语音服务，解锁更多交互场景。

附：汉语方言通常分为十大方言：官话方言、晋方言、吴方言、闽方言、客家方言、粤方言、湘方言、赣方言、徽方言、平话土话。各方言区内又分布着若干次方言和许多种“土语”。其中使用人数最多的官话方言可分为东北官话、北京官话、冀鲁官话、胶辽官话、中原官话、兰银官话、江淮官话、西南官话八种次方言。

来源：中国语言文字概况（2021 年版）

http://www.moe.gov.cn/jyb_sjzl/wenzi/202108/t20210827_554992.html