第19页
据说它最初是给音乐行业录制小样的,但是发行之后问津者寥寥。制作方一拍脑门,开了个脑洞:“我们不做音乐软件,做虚拟歌姬。”由此,初音未来诞生,虚拟偶像概念进入人们的视线。
谢晋说:“设计软件框架的时候,我们对比了几款竟品,其中最普及的是vocaliod和utau。它们的实现原理差不多,预先录制人声,对人声排列组合,再加上音调,组成一支歌曲。”
“我们扒了两款软件的框架,最后还是决定,放弃这种纯机械式合成,改为仿生式的。也就是基于机器学习算法的AI软件,我们把它命名为,电子声带。”
“因为没有先例,研发期非常困难,不过第一个版本出来之后,给了人相当大的惊喜。制作出来的成曲,最差也能达到歌姬级别。”他点了一下鼠标,对楼清焰说,“董事长,来听听它说的第一句话吧。”
音响里传出一个清朗的男声。
“hello,world.”
楼清焰顿时发现:“这是我的声音?”
“这是大家投票决定的。”谢晋揶揄地看过来。
不知为何,被点破心思之后,他反倒觉得楼清焰有点亲切。
“还行,挺自然的。”
“这是AI算法的功劳。”谢晋说,“我们设计了一种深度学习算法,软件会对音源库进行特征提取,用提取出来的特征信息进行训练,最终,为每组音源库生成独一无二的数据模型。基于这个模型,合成语音会自然许多。”
“这还不是最理想的。最理想的那种合成语音,不用组合人声,是凭借AI算法的高智能,凭空生成声音。不过……”
“不过你们没这个技术。”楼清焰说。
他想了想,描述道:“声音的本质是震动,在音响里就是膜片的震动,这种震动由电磁场引起,而电磁场的控制方式,是线圈通不通电。通电为1,不通电为0。”
“所以,计算机声音的本质是一串二进制数,是不同排列组合的1和0。这叫做数字信号。”
“最理想的语音合成,不是组合音节,而是直接组合数字信号。”
楼清焰:“我说的对吗。”
谢晋实实在在地惊讶了。
他一直以为楼清焰是个不学无术的纨绔,就算所有人都搞懂了计算机原理,他也不可能搞懂的那种。
没想到他真的懂。
楼清焰还没说完,他继而道:“理论上,AI软件通过深度学习,可以掌握数字信号的规律,构建一个数据模型,再基于模型生成语音。”
“但是,这需要一个大前提——机器学习算法能直接从数字层做特征提取。”
他问道:“能吗?”
谢晋服了,这人为啥总是一下子问到最关键的地方。
“现在确实没这个技术。我们设计的特征提取算法,主要瞄准声音的波形表现,频率、相位这些。”他简单地说。
楼清焰又说:“不止缺这一个技术吧。做了特征提取,知道怎么归纳总结吗?知道怎么训练模型吗?会写算法吗?设想过这个计算量有多庞大吗?”
谢晋:“……”
楼清焰发觉有点说过了,遂拍拍他肩膀,鼓励道:“不过你们已经做得很好了,能达到这个程度非常了不起……嗯,下一步工作是什么?”
谢晋:“……”看出来你是在敷衍了。
“软件的构造有点臃肿,只有在工作站上才能流畅运行,下一步先考虑优化问题。”
“好的。”楼清焰也就是随口一问。
他不在意软件本身,得知已经有了AI语音合成的雏形,他来这趟的目的就已经达成了。
谢晋研发的这款电子声带,其实还是提前录制人声,再进行排列组合。只不过基于AI算法训练的数据模型,会对音频波形进行修改,让声音变得流畅自然,更加真实。
这款软件的局限性在于算法。音频领域的特征提取没有可参考前例,谢晋团队必须把数字音频研究透彻,然后基于其特性设计新算法——不仅是逻辑框架,还包括万恶的数学模型。这可不是一朝一夕能搞出来的。
但是楼清焰呢,他脑子里有现成的。
在星际时代,声音合成是一项非常普及的技术,宇宙人早就可以在编码层面生成各种声音,还出现了一种新职业,叫音频作家。
类比于文学作家,音频作家就是直接创作广播剧的那种。
声音合成算法,是入门智械编程学习的一个启蒙案例。可见它简单到什么程度。在地球上也可以实现,条件是几套新的数学模型,一台大型计算机。
佳辉就有大型计算机,用作app服务器的,暂时关停服务器来计算软件,好像也没什么大不了的。
楼清焰只有一个人,不可能写出一个完整的软件,不过他有谢晋的代码基础,只要实现了那几个数学模型,用大型计算机快速完成机器学习运算,就可以达成他的目的。
嗯,他只是想让楼皓宸“说”几句话而已。
谢晋不知道他老板正在酝酿多么黑暗的犯罪过程,他看着楼清焰,心里已经对他完全改观了。
龙困浅滩,虎落平阳,却显得从容自若。落魄时不露难色,面对员工的消极嘲讽,姿态依旧那么强硬。他懂计算机,懂智能技术,并不是大家以为的那种不学无术的废物。最重要的是,他竟然懂他的想法。