NAVER集团14日公开了可通过约40分钟的短时录音合成多种情感和风格语音的技术“NES”。
NES是一项可利用约40分钟语音数据(约400个句子)制作出接近真人声音的合成音的技术。据NAVER集团介绍,与此前需要40至100小时语音的技术相比,该技术的特点是可更轻松、更快速地开发语音服务。它可在不受特定领域限制的情况下使用,除基础声音外还提供带有喜悦、悲伤等情感的声音。
当天,NAVER集团还面向企业用户推出了基于NES的语音商业服务“Clova Premium Voice(CPV)”。该服务可应用于企业广告、客户应答、音频内容等需要高品质合成音的各类场景,并在NAVER集团云平台上以付费形式提供。
NAVER集团 Clova语音负责领导金在民表示:“任何人都能轻松便捷地制作专属于自己的‘声音字体’”,“除基础情感外,我们还将扩展严肃的新闻主播声音、柔和的朋友声音等多种情感和风格的合成器。”






