|
今年一月份的時(shí)候，Chromium 內(nèi)核的 Edge 瀏覽器是毫無疑問的當(dāng)紅炸子雞，每次提到 Edge 瀏覽器，留言里滿滿都是「真香」的聲音。 不過說實(shí)話，雖然早在 2019 年新版 Edge 內(nèi)測(cè)的時(shí)候咱就搞來了漢化版測(cè)試了一番，可新鮮歸新鮮，我還真沒準(zhǔn)備從 Chrome 遷移到 Edge。 真正讓我意識(shí)到 Edge 強(qiáng)大的，還是今年一月份寫的那篇關(guān)于 Edge 「大聲朗讀」功能的文章，這才讓我感受到 Edge 是真的香。 給不了解的小伙伴重新解釋一下，相比谷歌的 Chrome，微軟 Edge 上獨(dú)占的「大聲朗讀」功能可以把瀏覽器內(nèi)的文字生成 TTS 語(yǔ)音朗讀，說白了就是提供了內(nèi)置的文字轉(zhuǎn)語(yǔ)音功能。 香的地方在于，一般的文字轉(zhuǎn)語(yǔ)音調(diào)用的都是通用引擎，那發(fā)聲一聽就是程序合成的，根本讓人聽不下去。 而 Edge 背靠微軟這顆大樹，有著微軟這些年在人工智能語(yǔ)音合成領(lǐng)域的技術(shù)沉淀背書，吐字清晰、字正腔圓，堪比真人，不信的小伙伴可以看看當(dāng)時(shí)寫的這篇文章：《微軟Edge，你這是人干的事嗎？》。 但是，要說但是了啊，那篇文章的最后有不少小伙伴留言說「想導(dǎo)出朗讀的內(nèi)容」，當(dāng)時(shí)我的回復(fù)都是只能額外錄音。 可這個(gè)問題我拿小本本記住了，就是有什么辦法利用 Edge 的「大聲朗讀」把文字轉(zhuǎn)過來的語(yǔ)音導(dǎo)出成獨(dú)立的文件呢？ 今天我找到了解決方案，Read Aloud，一個(gè)把「大聲朗讀」功能獨(dú)立出來的文本轉(zhuǎn)語(yǔ)音軟件。 Read Aloud 滿打滿算也就 3M 大小出頭的 Read Aloud，界面簡(jiǎn)約啥的咱就不說了，可麻雀雖小五臟俱全。 如果你就聽聽作罷，直接輸入文本，選擇合適的「語(yǔ)音」，然后點(diǎn)擊「朗讀」即可。 別擔(dān)心它提供的接口不夠，語(yǔ)音那欄里我數(shù)了數(shù)，和 Edge 上「大聲朗讀」里的支持的語(yǔ)音數(shù)量一致，都是 38 個(gè)（順序有所差別），普通話、粵語(yǔ)、臺(tái)灣方言都有，主流的外語(yǔ)也都不在話下。 但如果你想把語(yǔ)音導(dǎo)出到本地，就得在下方設(shè)置那安排好你的導(dǎo)出目錄。 給大家錄了個(gè)屏來展示一下操作，語(yǔ)音方面當(dāng)然還是選擇公認(rèn)的擬人度效果最好的「xiaoxiao」了。 點(diǎn)擊「錄制」，Read Aloud 會(huì)自動(dòng)開始播放文本，而在播放的同時(shí)，它會(huì)把語(yǔ)音保存到了你設(shè)置好的目錄，唯一支持的文件格式為 .wav。 給大家聽聽「xiaoxiao」的效果：  啊，我又被治愈了。 當(dāng)然，你可以在右下角設(shè)置最大錄制時(shí)間，還能調(diào)整語(yǔ)速和音調(diào)，不過對(duì)于部分語(yǔ)音的音調(diào)是不可調(diào)的，比如「xiaoxiao」。 但作為一個(gè) 3M 的小工具，達(dá)成這樣的效果已經(jīng)很不容易了，回到一開始的問題，這不就是利用 Edge 的「大聲朗讀」把文字轉(zhuǎn)過來的語(yǔ)音導(dǎo)出成獨(dú)立的文件嘛。 什么，還有人嫌 Read Aloud 不夠給力？ 想想也對(duì)，之前的那篇文章里不是還介紹了如何利用微軟提供的 SSML 語(yǔ)音合成標(biāo)記語(yǔ)言，來手把手調(diào)教語(yǔ)音，現(xiàn)在一個(gè)把「大聲朗讀」獨(dú)立出來的小工具可喂不飽大家。 我想了想，既然「大聲朗讀」的出處是 Edge，那老家自然是微軟，我何不去探一探源頭處微軟「語(yǔ)音合成」的究竟。 高階操作 既然是微軟的 AI 服務(wù)，那應(yīng)該就出自它們家的 Azure 了，陌生的小伙伴可以類比一下國(guó)內(nèi)的阿里云和騰訊云。 去微軟他們家的官網(wǎng)，找到 Azure 的頁(yè)面，然后在「產(chǎn)品-AI + 機(jī)器學(xué)習(xí)-Azure 認(rèn)知服務(wù)」的頁(yè)面里找到我們的目標(biāo)。 語(yǔ)音-文本轉(zhuǎn)語(yǔ)音： 點(diǎn)進(jìn)去，選擇「免費(fèi)開始使用」，登錄你的微軟賬號(hào)，再注冊(cè) Azure 賬號(hào)，填寫個(gè)人資料，基本搞定。 其實(shí)上面都沒啥好說的，有手就行，但最后一步有個(gè)門檻，需要綁定你的信用卡，主要用來驗(yàn)證真實(shí)用戶，不扣費(fèi)，在綁好信用卡注冊(cè)成功后，你就可以享受原汁原味的微軟服務(wù)了。 登錄后添加項(xiàng)目，選擇「語(yǔ)音-文本轉(zhuǎn)語(yǔ)音」中的「語(yǔ)音庫(kù)」。 你就能看到包括曉曉（xiaoxiao）在內(nèi)的 174 種語(yǔ)音了，然后點(diǎn)擊「創(chuàng)建音頻」。 當(dāng)你看到下面這個(gè)界面的時(shí)候，證明所有的準(zhǔn)備工作就緒，非這么老鼻子勁，我倒要看看微軟的文本轉(zhuǎn)語(yǔ)音服務(wù)有多強(qiáng)。
還是選了《許三觀賣血記》第一章的前兩段話作為例子：
試一下導(dǎo)出，有導(dǎo)出到「音頻庫(kù)」和導(dǎo)出到本地兩種選擇，不用說了肯定是后者，有意思的來了，支持高品質(zhì) 16k 和 24k wav 格式文件，也支持標(biāo)準(zhǔn)品質(zhì) MP3 格式文件，可以整篇導(dǎo)出，也可以分段落導(dǎo)出音頻。
曉曉的朗讀效果是這樣的：  好聽歸好聽，可一切都是默認(rèn)選項(xiàng)，和 Edge 自帶的曉曉沒什么區(qū)別，別急，在右側(cè)的優(yōu)化欄，我找到了「好東西」。
我把它分成了三欄，你可以在第一欄里從 174 種語(yǔ)音中選擇不同的語(yǔ)音，這是最基礎(chǔ)的，多國(guó)多人不同的語(yǔ)音。 而在第二欄，可以選擇上面不同語(yǔ)音的說話風(fēng)格，比如「助理、聊天、客服、新聞」，還有各種說話情緒，比如「撒嬌、生氣、平靜、開心、不滿、害怕、溫柔、抒情、悲傷、嚴(yán)肅」。
至于第三欄，你可以設(shè)置語(yǔ)音的停頓、發(fā)音、語(yǔ)調(diào)、語(yǔ)速、音高、音量。 最最關(guān)鍵的是，上面的每一種選擇，你都能應(yīng)用在文本中的每一段、每一句、每一詞，甚至每一字。 也就是說，一個(gè)文本，你可以多個(gè)人以不同風(fēng)格討論的形式念出來，比如這個(gè)樣子： 當(dāng)然，也可以讓每句話帶有不同的情緒。 這就很厲害了，我讓曉曉以平靜的語(yǔ)氣念旁白，以害怕的語(yǔ)氣念爺爺?shù)膶?duì)話，以撒嬌的語(yǔ)氣念許三觀的話。 操作起來很簡(jiǎn)單，拉住需要改變的那句話，然后點(diǎn)擊對(duì)應(yīng)的選項(xiàng)就好了。
我們來聽聽效果： 有沒有覺得，最后許三觀說的話，「孫子」倆字發(fā)音聽起來怪怪的，好解決，我們?cè)趩为?dú)改一下發(fā)音，然后插入個(gè)停頓就好了。
再來聽聽效果，是不是沒有那種囫圇喊「孫子」的感覺，吐字更加清晰了。 豐富的操作，讓合成的語(yǔ)音在你的巧手下變得更加真實(shí)，如果你愿意，甚至可以通過更改每個(gè)字來讓曉曉口吐方言。 為了讓大家感受一下微軟這個(gè)服務(wù)的強(qiáng)大，我專門用抖音的剪映挑了個(gè)小姐姐的語(yǔ)音，來聽聽效果。 同樣，我還充了個(gè)訊飛出品的「訊飛快讀」的會(huì)員，這是高級(jí) VIP 小媛的語(yǔ)音，聽聽看效果。 哪個(gè)更有人味不用多說了吧，重要的是微軟的這個(gè)服務(wù)還是免費(fèi)的，但實(shí)際上，微軟的這個(gè)應(yīng)用比市面上很多收費(fèi)軟件的效果都更出色，如果你是一名短視頻創(chuàng)作者，相信你心中自有定論。 之前還需要 SSML 語(yǔ)音合成標(biāo)記語(yǔ)言的代碼，現(xiàn)在怎么就能這么點(diǎn)點(diǎn)就實(shí)現(xiàn)了，你點(diǎn)開上面「SSML」的開關(guān)，本質(zhì)上是一樣的：
聽著曉曉的聲音，想著合成語(yǔ)音的未來，嗯，千萬別有什么大膽的想法。 結(jié)語(yǔ) 今天給大家安利的兩個(gè)工具，一個(gè)初階 Edge 「大聲朗讀」導(dǎo)出工具，一個(gè)高階的微軟 AI 服務(wù)，怎么選擇還得看大家的需求咯。 不知道大家發(fā)現(xiàn)沒有，現(xiàn)在不少推銷電話都開始用 AI 合成音了，不過還是能聽出來有 AI 那種特有的頓感。 那如果未來 AI 合成音更逼真了呢，不管是語(yǔ)調(diào)、尾音、口音，甚至說每句話的抑揚(yáng)頓挫，和我們說話都差不多呢。 想想還真有點(diǎn)可怕。 不管怎么樣，希望我們還能拿捏的住這技術(shù)，最后還是讓曉曉幫我送上祝福吧： 這次別下次一定了，記得點(diǎn)贊三連啊！ |
|
|
