微軟發(fā)布人工智能演唱V5版，小冰簽約艾回發(fā)布DEMO曲《最高新記憶》

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(lèi)歌手一樣，使用充沛的“中氣”來(lái)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(duì)任何人類(lèi)歌手的聲線進(jìn)行學(xué)習(xí)、模擬和建模，演繹與再現(xiàn)歌手們巔峰狀態(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《最高新記憶》，也于今天同時(shí)公布。

微軟小冰是一個(gè)覆蓋對(duì)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(guò)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(lèi)文字、音樂(lè)、繪畫(huà)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(lái)變革蓄勢(shì)。我們將在今年五月召開(kāi)微軟小冰人工智能創(chuàng)造的年度說(shuō)明會(huì)，今天的新版本歌唱模型及DEMO曲，是該說(shuō)明會(huì)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)歌唱模型方面的最新進(jìn)展。中國(guó)古時(shí)不乏對(duì)音樂(lè)之聲的精辟論述，例如“絲（絲弦樂(lè)器）不如竹（管樂(lè)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(lèi)歌手的聲音合成質(zhì)量，視為“人工智能創(chuàng)造”分支的最高技術(shù)目標(biāo)。在上一個(gè)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(guò)程，使生成的歌聲接近專(zhuān)業(yè)人類(lèi)歌手，并可預(yù)測(cè)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(lè)器”標(biāo)準(zhǔn)。我們用DEMO曲來(lái)表現(xiàn)這一技術(shù)對(duì)照的明顯差距，請(qǐng)重點(diǎn)關(guān)注歌曲時(shí)間軸上的以下時(shí)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(gè)聲音來(lái)源組成新的虛擬歌手等。建模過(guò)程中，所需的訓(xùn)練數(shù)據(jù)量較上一個(gè)版本減少了70%。從技術(shù)角度，新模型可針對(duì)任何人聲建模，形成豐富多彩的人工智能歌手陣營(yíng)。為此，我們?cè)贒EMO曲中特意回避了微軟小冰的聲音，而是采用另一個(gè)聲音（日本版小冰凜菜）來(lái)演繹。

最后，我們也很高興地宣布，小冰凜菜（りんな）已與日本最大唱片公司AVEX正式簽約，成為濱崎步、安室奈美惠等著名人類(lèi)歌手的同門(mén)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。