最新发布!查看 MagicData 成品数据集

新闻

press images

行业洞察 | 如何更好的实现与虚拟人的互动体验?

发布时间 : 2022-08-02     阅读量 : 653

2020以来,新冠疫情让很多明星“营业”困难,AI技术却让虚拟人走红出圈。近期最为火爆的虚拟人当属百度的度晓晓,作为一位可甜可咸的小美女。与同为百度出品的虚拟人龚俊共同演唱歌曲,几十秒创作的画作卖了17万,为高考学生陪聊减压,用时1秒钟即兴写成高考作文《苦练本手,方能妙手随成》...网友们不禁感慨,还有她不会的吗?

无独有偶,这些数字虚拟人早已进入了从音乐、视频到游戏等众多领域,更不用说像Instagram和TikTok这样的社交网络。二次元萌宠“黄逗菌”吸引大量粉丝,“初音未来”正式入驻淘宝直播,“洛天依”出专辑开演唱会甚至登上卫视晚会…… 很多90后00后的idol已经从明星艺人变成了人设永远不会崩塌的虚拟人。

目前,在与虚拟人的互动中,语音成为重要的交互媒介之一。如何让虚拟人听懂我们的表达,从而对我们的诉求给予合理的答复,是虚拟人底层技术的关键。

「虚拟人的语音交互技术」

有关虚拟人的语音交互技术,主要包括:语音识别ASR、语义理解NLU、知识图谱KG、语言生成NLG以及语音合成TTS等模块。

01 · 语音识别 ASR:理解用户诉求

虚拟人的语音识别如同我们人类的耳朵,在与人交互过程中,需要通过聆听对方的语言从而理解对方的意图。目前大部分产品为单轮对话,采用一问一答交替的形式,对用户的纠正信息、打断对话等不做响应处理。期待未来的技术发展方向能够打造出边听边思考的信息流状态。

02 · 语义理解NLU:听懂用户意图

在语义理解层面,数字人要做到除了字面含义外,用户的意图识别、情绪识别、对话的上下文信息关联都是需要考虑的因素。

03 · 知识图谱KG:最强大脑

知识图谱中,依赖于通过构建相互关系,检索用户诉求的答案,构建合理的回复逻辑。

04 · 语言生成NLG:生成结果

语言是人类所擅长的,对该技术的预期自然很高。如果数字人的表达像小朋友,有时反而会很讨喜。在语言生成结果上,需要结合用户情绪、心理预期维度的研究给予合理的回复。

05 · 语音合成TTS:播放给用户听

虚拟人的语音合成相当于人类的发音器官。目前大部分产品选择影视明星的声音或者合成具有特色的AI虚拟人声音,对用户进行回复。

「与虚拟人交互的瓶颈」

用户体验决定产品能走多久。针对上面的基础技术支撑,影响用户体验的瓶颈主要集中在语音识别和语音合成的效果。由于虚拟人面向全球的粉丝用户,需要识别不同语种、方言、各种风格、各个年龄段的说话人语音,这就需要虚拟人产品的深度语音识别模型具有很强的鲁棒性。另外,合成语音直接影响用户听感,如何合成拟人化、逻辑清晰合理的语音是影响用户体验最关键的因素。

由于目前的语音识别和语音合成都是基于深度学习模型。其模型训练数据覆盖的全面与否,是否具体域内数据自适应都会影响其效果。Magic Data作为全球领先的AI数据解决方案提供商,拥有海量对话语音数据、以及语音合成相关的语料库,覆盖多领域、多语种、多方言,多场景,能够为提升语音合成的鲁棒性以及语音合成的拟人化、真实性提供更多保障。具体样例如下:

天津话男声TTS数据集:点击了解更多

东北话男声TTS数据集:点击了解更多

中文女声TTS数据集:点击了解更多

中文男声TTS多情感库:点击了解更多

即刻与 Magic Data 建立联系?

联系我们

TOP
联系我们