2022-09-12 | 정다은 기자

画龙点“听”…元宇宙成败取决于声音

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

NAVER集团、蓝洞等国内主要信息技术(IT)企业正积极投资空间音频、语音合成等音频技术。原因在于,只有实现如现实般生动的音效,才能提升元宇宙的沉浸感。此外,音频技术也作为虚拟人、音频内容等近来高速增长市场的核心技术受到关注。

据业界12日消息,蓝洞正通过深度学习本部下属的“Project Beluga”室推进语音AI研发(R&D)。深度学习本部是研发实现虚拟人所需AI技术的组织,去年设立,今年初升格为代表直属组织。与本部同时组建的Beluga室专门负责虚拟人“声音”的实现,包括语音合成(TTS、STT)、声音转换(Voice Conversion,VC)技术等。

NAVER集团 D2SF去年也两度投资音频技术初创公司“Gaudio Lab”。NAVER集团自Gaudio Lab成立的2015年起就一直保持紧密的合作关系。Gaudio Lab是一家音频技术初创公司,共49名员工中音响工程专家(硕士、博士)多达14人。2017年,公司开发出仅转头声音方向就会随之变化的空间音频技术。Gaudio Lab目前专注于为ZEPETO一类元宇宙平台自动加载音效的技术。

此外,多家IT企业持续投资可与元宇宙结合的音频技术。Com2uS于今年7月对美国空间音频企业“Audio Futures”进行了战略投资,计划寻求与正在开发的元宇宙平台“Com2Verse”的技术联动机会。8月,其子公司Wysiwyg Studios向AI语音技术企业Selvas AI投资了50亿韩元。NCSOFT(NC)在板桥R&D中心内的共三个楼层设置了“声音中心”用空间,中心人员多达90人。

此前元宇宙主要聚焦于精细图形的实现。但业界判断认为,要提升元宇宙的沉浸感,音效与图形同样重要。Gaudio Lab代表吴玄五表示:“目前即使进入ZEPETO内个人创作者制作的空间,也听不到任何声音”,“要让用户体验到‘我来过这个空间’,把虚拟形象移到咖啡机附近时,就应该听到现实世界中咖啡沸腾的声音”。

音频技术与元宇宙生态中的核心要素“虚拟人”也是绝配。因为只有精细实现与虚拟人外貌及说话情境相契合的声音,才能避免“恐怖谷”现象。实际上蓝洞 Beluga室的R&D目标也是实现虚拟人的声音。NAVER集团也在今年5月利用CLOVA AI语音合成技术制作了虚拟人“Rozy”的声音。得益于此,Rozy登上电台节目进行自我介绍、朗读听众来信,将原本局限于社交网络服务(SNS)和广告的活动领域扩展到了电台DJ。

该技术还可用于近来高速增长的音频内容制作。实际上蓝洞 Beluga室推出了可利用100多个AI声音制作音频内容的“Qwertis”,以及播客服务“AudioPick”。其战略是今后将两者合并,打造涵盖音频内容制作、欣赏、交流的综合平台。据市场调查机构Grand View Research预测,国内音频内容市场将从2020年的300亿韩元规模增长至2024年的1080亿韩元。

/记者 郑多恩 downright@sedaily.com

阅读韩文原文