從最早的明星定制語音包，到全球首個私人語音定制功能，在語音定制這個領(lǐng)域，百度地圖可謂是走在業(yè)界前列，這都得益于百度獨創(chuàng)的Meitron音色韻律遷移技術(shù)。如今，這項技術(shù)再度迎來革新，用戶只需要錄制9句話就可以玩轉(zhuǎn)語音定制，極大降低了語音定制功能的使用門檻，那么百度地圖是如何做到的呢?

(百度地圖語音定制功能推出9句話錄制的“極速模式”)

　　2019年9月，百度地圖推出全球首個地圖語音定制產(chǎn)品，用戶需要錄制20句、每句15個字左右的文本，經(jīng)過15-20分鐘的AI訓(xùn)練，最終實現(xiàn)定制語音包的合成輸出。而如今，依托百度獨創(chuàng)的時長可控端到端合成技術(shù)，升級后的地圖語音定制功能對其中的Tacotron模型進行了調(diào)整和優(yōu)化，特別是在Location Sensitive Attention的機制上，使得語音合成過程中時長信息的獲取更加靈活、可控，極大提高了訓(xùn)練遷移的穩(wěn)定性，即便通過極少的語句也能進行穩(wěn)定的合成，最終實現(xiàn)了從20句到9句的錄制縮減。

　　盡管錄制過程做了減法，但百度地圖依舊可以生成一如既往的高品質(zhì)語音合成效果，這背后依賴的，就是百度獨創(chuàng)的音色風(fēng)格細粒度編碼器。基于Global Style Tokens技術(shù)，此次升級強化了分離音色風(fēng)格信息的能力，增強了音色風(fēng)格抽取的一致性，即便只有極少量的語句，也能夠完成穩(wěn)定的音色風(fēng)格控制和遷移。

　　目前，百度地圖智能語音助手用戶量超4億，個性化語音包每日播放次數(shù)超1億次。隨著百度地圖語音定制功能的再度升級，相信會有越來越多用戶去嘗試錄制自己專屬的語音包，在導(dǎo)航、語音交互、智能旅游等眾多地圖場景中，體驗個人專屬語音包的魅力。