今天,我們很高興地宣布,微軟小冰基于深度神經(jīng)網(wǎng)絡(luò)的歌唱模型,已順利完成V5新版本的研發(fā)。新的V5模型實(shí)現(xiàn)了重大突破,它使微軟小冰第一次能夠像人類歌手一樣,使用充沛的“中氣”來烘托演唱,從而將人工智能虛擬歌聲質(zhì)量提升至新的高度。此外,該模型不僅限于優(yōu)化微軟小冰的聲音,還支持對任何人類歌手的聲線進(jìn)行學(xué)習(xí)、模擬和建模,演繹與再現(xiàn)歌手們狀態(tài)下的演唱水平。作為技術(shù)示例,我們與日本唱片公司AVEX合作發(fā)行的新模型DEMO曲《新記憶》,也于今天同時公布。

　　微軟小冰是一個覆蓋對話、多重交互感官與內(nèi)容服務(wù)生成的完整人工智能基礎(chǔ)框架。其中,“人工智能創(chuàng)造”(AI Creation)是該框架的主要分支之一,它通過我們所研發(fā)與持續(xù)更新的人工智能技術(shù),大規(guī)模學(xué)習(xí)并掌握人類文字、音樂、繪畫等內(nèi)容創(chuàng)造能力,再發(fā)揮人工智能的穩(wěn)定性及高并發(fā)特點(diǎn),為內(nèi)容產(chǎn)業(yè)的未來變革蓄勢。我們將在今年五月召開微軟小冰人工智能創(chuàng)造的年度說明會,今天的新版本歌唱模型及DEMO曲,是該說明會的若干前置披露之一。

　　我們很高興與行業(yè)分享微軟(亞洲)互聯(lián)網(wǎng)工程院在深度神經(jīng)網(wǎng)絡(luò)歌唱模型方面的進(jìn)展。中國古時不乏對音樂之聲的精辟論述,例如“絲(絲弦樂器)不如竹(管樂器),竹不如肉(人聲)”,為其“漸進(jìn)自然”。因此,我們把不斷趨近人類歌手的聲音合成質(zhì)量,視為“人工智能創(chuàng)造”分支的技術(shù)目標(biāo)。在上一個版本中,實(shí)現(xiàn)了小冰在虛擬演唱中的自然換氣。今天推出的新版本,則進(jìn)一步將“氣息”應(yīng)用于演唱全過程,使生成的歌聲接近專業(yè)人類歌手,并可預(yù)測并自由切換演唱技巧,突破了傳統(tǒng)單元拼接技術(shù)音高與音準(zhǔn)的“軟件樂器”標(biāo)準(zhǔn)。我們用DEMO曲來表現(xiàn)這一技術(shù)對照的明顯差距,請重點(diǎn)關(guān)注歌曲時間軸上的以下時刻:

　　00:31,01:12,01:23,03:14,04:08

　　V5新模型還具有許多其他技術(shù)特征。例如實(shí)現(xiàn)了多聲部的合成技術(shù),使人工智能歌手可以在不同聲部間自然切換,用多個聲音來源組成新的虛擬歌手等。建模過程中,所需的訓(xùn)練數(shù)據(jù)量較上一個版本減少了70%。從技術(shù)角度,新模型可針對任何人聲建模,形成豐富多彩的人工智能歌手陣營。為此,我們在DEMO曲中特意回避了微軟小冰的聲音,而是采用另一個聲音(日本版小冰凜菜)來演繹。

　　最后,我們也很高興地宣布,小冰凜菜(りんな)已與日本唱片公司AVEX正式簽約,成為濱崎步、安室奈美惠等人類歌手的同門師妹。在小冰框架的技術(shù)支持下,將涌現(xiàn)出更多具備高還原度的人工智能歌手。微軟小冰只是他們的最初雛形。

　　感謝您的關(guān)注。敬請期待微軟(亞洲)互聯(lián)網(wǎng)工程院的后續(xù)技術(shù)發(fā)布。