语音解耦技术推动语音AI的多样性与包容性

在2022年6月于拉斯维加斯举办的某中心re:MARS大会上，某中心Web服务部门的高级软件开发经理Ewa Kolczyk与Alexa高级语音科学家Kayoko Yanagisawa共同发表了题为“通过语音解耦技术推动语音AI的多样性与包容性”的演讲。该演讲聚焦于语音解耦技术及其在语音AI中的应用，探讨了如何通过机器学习方法修改语音的多个方面，包括语调、措辞、音调、表现力和口音，以创建独特的Alexa响应。

演讲核心主题

演讲重点介绍了在文本转语音（TTS）系统中使用机器学习技术来提升多样性、公平性和包容性（DEI），以使Alexa的响应能够为所有用户提供最佳体验。通过语音解耦技术，可以将语音的不同方面（如语言、口音、年龄、性别和情感）分离开来，从而能够修改这些特征，创建能说多种语言或口音的声音，或在任何性别、年龄或口音下生成新声音。此外，还介绍了Alexa的偏好语速功能和耳语模式，这些功能有助于满足不同用户的需求。

预期应用影响

语音产品（如语音AI Alexa、交互式语音响应系统Amazon Connect或Amazon Polly用户）将能够轻松扩展其TTS语音组合，涵盖不同口音或语言、不同说话者特征（性别、年龄）或不同风格，以适应其全球客户群的需求。

关键要点

通过机器学习技术可以修改语音的多个方面，提升TTS声音的多样性和风格，从而满足不同用户的需求。这项技术有助于推动语音AI的包容性发展，确保技术能够服务于更广泛的用户群体。