任務(wù)一

音頻處理創(chuàng)設(shè)情境王華最近接了一個(gè)項(xiàng)目，要將一部分文字內(nèi)容轉(zhuǎn)為語(yǔ)音，然后把部分語(yǔ)音材料整理成文字，他提出一個(gè)充分利用人工智能技術(shù)的方案，利用文字轉(zhuǎn)語(yǔ)音服務(wù)平臺(tái)輕松解決這個(gè)問(wèn)題，借助生成式人工智能整理語(yǔ)音材料成文字稿、文字材料生成語(yǔ)音資料，并且還可以提供多語(yǔ)言配音，創(chuàng)造交互式體驗(yàn)。活動(dòng)目標(biāo)1.了解目前文字生成音頻和音頻轉(zhuǎn)文字的主流平臺(tái)。2.掌握文字生成音頻和音頻轉(zhuǎn)文字的一般操作步驟。3.音頻處理給我們的學(xué)習(xí)、生活和工作帶來(lái)的便利。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：1.了解TTS的原理：TTS是TextToSpeech的縮寫，即“從文本到語(yǔ)音”，是人機(jī)對(duì)話的一部分，讓機(jī)器能夠說(shuō)話。TTS是語(yǔ)音合成應(yīng)用的一種，它將儲(chǔ)存于電腦中的文件，如幫助文件或者網(wǎng)頁(yè)，轉(zhuǎn)換成自然語(yǔ)音輸出。主要功能包括文本分析、語(yǔ)音合成、韻律處理。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：2.訊飛智作平臺(tái)：訊飛智作是科大訊飛旗下的一款A(yù)IGC內(nèi)容生產(chǎn)平臺(tái)，它整合了多項(xiàng)核心技術(shù)成果，在語(yǔ)音處理、人工智能等領(lǐng)域發(fā)揮優(yōu)勢(shì)。例如在智能語(yǔ)音技術(shù)方面，涵蓋了音頻處理、語(yǔ)音識(shí)別、語(yǔ)音合成、語(yǔ)音評(píng)測(cè)等一系列核心產(chǎn)品和技術(shù)。從創(chuàng)作功能角度看，它就像是一個(gè)全能的創(chuàng)作助手，在實(shí)際應(yīng)用場(chǎng)景中，訊飛智作也展現(xiàn)出了很強(qiáng)的適應(yīng)性。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：3.TTSMaker：它的核心功能就是將文本轉(zhuǎn)換為語(yǔ)音，我們只需將需要配音的文本輸入到工具中，選擇相應(yīng)的語(yǔ)言和聲音，即可在短時(shí)間內(nèi)生成高質(zhì)量的語(yǔ)音。這大大節(jié)省了用戶的時(shí)間和精力，讓配音變得更加輕松、高效。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：4.海綿音樂(lè)：它是一個(gè)利用人工智能技術(shù)的音樂(lè)創(chuàng)作平臺(tái)，可以快速生成個(gè)性化的音樂(lè)作品。通過(guò)提供多樣化的音樂(lè)風(fēng)格模板和情感主題，簡(jiǎn)化音樂(lè)創(chuàng)作的復(fù)雜性，即使是沒(méi)有專業(yè)音樂(lè)也能輕松創(chuàng)作出屬于自己的音樂(lè)。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：5.訊飛聽(tīng)見(jiàn)：一款由科大訊飛推出的智能語(yǔ)音轉(zhuǎn)文字軟件，它的功能能夠大幅提升用戶在會(huì)議記錄、授課演講、媒體采訪等場(chǎng)景下的工作效率，如實(shí)時(shí)語(yǔ)音轉(zhuǎn)寫、多語(yǔ)種翻譯、邊錄邊拍、懸浮字幕、文本結(jié)果導(dǎo)出等功能。活動(dòng)準(zhǔn)備初步了解文字生成音頻和音頻轉(zhuǎn)文字時(shí)的常識(shí)和工具：5.剪映軟件：我們將在學(xué)習(xí)擬聲這一功能時(shí)用到剪映軟件，它的“聲音克隆”功能是一項(xiàng)創(chuàng)新技術(shù)，我們能快速?gòu)?fù)制自己的聲音。通過(guò)錄制5秒鐘的語(yǔ)音，AI模型能夠?qū)W習(xí)并生成與我們音色極為相似的語(yǔ)音內(nèi)容。活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。1.輸入文本，“文本糾錯(cuò)”后試聽(tīng)效果。

掃描觀看粘貼文字稿到文本框活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。1.輸入文本，“文本糾錯(cuò)”后試聽(tīng)效果。

掃描觀看智能糾正錯(cuò)別字界面活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。1.輸入文本，“文本糾錯(cuò)”后試聽(tīng)效果。

掃描觀看試聽(tīng)按鈕多音字選擇讀音界面活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。2.選擇語(yǔ)言、語(yǔ)音包類型和語(yǔ)速

掃描觀看“關(guān)山”角色語(yǔ)音主播選擇界面活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。3.停頓設(shè)置和添加背景音樂(lè)。

掃描觀看配音停頓設(shè)置設(shè)置背景音樂(lè)活動(dòng)展開(kāi)-文本轉(zhuǎn)換音頻參照教材中“活動(dòng)展開(kāi)”，嘗試操作。4.生成音頻文件。修改生成音頻文件名稱為“《桃花源記》語(yǔ)音生成”、設(shè)置生成音頻文件格式為“mp3”。

掃描觀看轉(zhuǎn)換并下載配音文件活動(dòng)展開(kāi)-音頻轉(zhuǎn)換文本參照教材中“活動(dòng)展開(kāi)”，嘗試操作。1.訊飛聽(tīng)見(jiàn)模塊“會(huì)記”功能。打開(kāi)訊飛聽(tīng)見(jiàn)官網(wǎng)，選擇“訊飛聽(tīng)見(jiàn)”模塊，下拉選項(xiàng)中選擇電腦自帶麥克風(fēng)。

掃描觀看會(huì)記功能選擇界面語(yǔ)音轉(zhuǎn)文字參數(shù)設(shè)置活動(dòng)展開(kāi)-音頻轉(zhuǎn)換文本參照教材中“活動(dòng)展開(kāi)”，嘗試操作。2.手機(jī)收音電腦端依次點(diǎn)擊“設(shè)置”、“微信收音”，移動(dòng)端掃二維碼，切換到手機(jī)錄音界面，開(kāi)始實(shí)時(shí)語(yǔ)音轉(zhuǎn)換文字。

掃描觀看提示：PC端和移動(dòng)端使用同一個(gè)賬號(hào)登錄。切換到手機(jī)錄音實(shí)時(shí)語(yǔ)音轉(zhuǎn)換文字活動(dòng)展開(kāi)-擬聲參照教材中“活動(dòng)展開(kāi)”，嘗試操作。1.導(dǎo)入音頻文件打開(kāi)剪映軟件，導(dǎo)入音頻文件，將音頻文件拖動(dòng)到音軌上。掃描觀看素材拉進(jìn)音軌導(dǎo)入語(yǔ)音文件活動(dòng)展開(kāi)-擬聲參照教材中“活動(dòng)展開(kāi)”，嘗試操作。2.克隆系統(tǒng)內(nèi)置聲音進(jìn)入音色廣場(chǎng)，試聽(tīng)各種角色，滿意后單擊頭像選中。掃描觀看音色廣場(chǎng)選擇音色界面活動(dòng)展開(kāi)-擬聲參照教材中“活動(dòng)展開(kāi)”，嘗試操作。3.導(dǎo)出克隆聲音文件試聽(tīng)得到滿意的效果后，依次點(diǎn)擊“菜單”-“文件”-“導(dǎo)出”設(shè)置格式為mp3，導(dǎo)出音頻文件。導(dǎo)出克隆音頻文件導(dǎo)出文件設(shè)置框掃描觀看拓展提高-文本轉(zhuǎn)換音頻使用“多人配音”在訊飛智作平臺(tái)中輸入師生對(duì)話逐字稿，按住ctrl鍵的同時(shí)選中一個(gè)角色的對(duì)話，點(diǎn)擊“多人配音”選擇配音主播，在“主播界面”采取同樣的方法設(shè)置其他角色對(duì)話。選中角色（老師）對(duì)話

多人配音設(shè)置界面拓展提高-文本轉(zhuǎn)換音頻文檔轉(zhuǎn)音頻訊飛智作平臺(tái)可以將整個(gè)文本文檔轉(zhuǎn)換音頻。單擊右上角“導(dǎo)入文件”按鈕，將文本文檔導(dǎo)入到平臺(tái)。提示：在訊飛智作平臺(tái)中，直接導(dǎo)入大小不超過(guò)20MB、字?jǐn)?shù)不超過(guò)1萬(wàn)字、頁(yè)數(shù)不超過(guò)50頁(yè)的doc、pdf、txt格式文檔。導(dǎo)入文檔界面拓展提高-文本轉(zhuǎn)換音頻文檔轉(zhuǎn)音頻導(dǎo)入文本后，平臺(tái)會(huì)根據(jù)文件內(nèi)容智能排版，也可以根據(jù)需要手動(dòng)編輯調(diào)整。還可以切換到“我的音樂(lè)”選項(xiàng)卡上傳本地背景音樂(lè)。自動(dòng)排版界面導(dǎo)入背景音樂(lè)界面拓展提高-音頻轉(zhuǎn)換文本利用電腦端實(shí)現(xiàn)離線語(yǔ)音轉(zhuǎn)文字打開(kāi)訊飛聽(tīng)見(jiàn)官網(wǎng)，選擇“訊飛聽(tīng)見(jiàn)”模塊，添加錄音文件，設(shè)置音頻語(yǔ)音種類、出稿類型、專業(yè)領(lǐng)域等選項(xiàng)，提交轉(zhuǎn)寫。訊飛聽(tīng)見(jiàn)添加源音頻文件界面音頻轉(zhuǎn)文本參數(shù)設(shè)置界面拓展提高-音頻轉(zhuǎn)換文本利用移動(dòng)端完成語(yǔ)音轉(zhuǎn)文字在訊飛聽(tīng)見(jiàn)APP中導(dǎo)入音頻，設(shè)置語(yǔ)言種類、專業(yè)領(lǐng)域、轉(zhuǎn)文字模式等選項(xiàng)，提交轉(zhuǎn)寫任務(wù)。訊飛聽(tīng)見(jiàn)APP首頁(yè)轉(zhuǎn)文字模式轉(zhuǎn)寫參數(shù)設(shè)置拓展提高-音頻轉(zhuǎn)換文本利用移動(dòng)端完成語(yǔ)音轉(zhuǎn)文字上傳音頻的語(yǔ)音選擇“中文（普通話）”、專業(yè)領(lǐng)域選擇“教育”。語(yǔ)音轉(zhuǎn)寫語(yǔ)音轉(zhuǎn)寫結(jié)果拓展提高-擬聲克隆自己的聲音朗讀例句錄制聲音樣本，生成屬于自己的音色。上傳語(yǔ)音文件后，可選擇自己的音色進(jìn)行克隆。提示：錄制時(shí)的語(yǔ)氣和情感也會(huì)被克隆，錄制時(shí)長(zhǎng)在5s以上；你的電腦要配備麥克風(fēng)設(shè)備。克隆自己聲音界面語(yǔ)音克隆拓展提高-擬聲克隆自己的聲音設(shè)置參數(shù)：選擇“保留口音版”保存，克隆列表多了生成的音色。將生成的音色應(yīng)用到語(yǔ)音文件。提示：錄制時(shí)的語(yǔ)氣和情感也會(huì)被克隆，錄制時(shí)長(zhǎng)在5s以上；你的電腦要配備麥克風(fēng)設(shè)備。設(shè)置參數(shù)定制音色列表拓展提高-擬聲調(diào)整聲音效果設(shè)置克隆聲音的音量、速度、淡入、淡出、降噪、變調(diào)效果。克隆聲音基礎(chǔ)設(shè)置克隆聲音變速變調(diào)設(shè)置拓展提高-擬聲調(diào)整聲音效果在“聲音效果”選項(xiàng)卡中，“場(chǎng)景音”可選擇不同的背景聲音；“聲音成曲”可以在克隆聲音的基礎(chǔ)上變成音樂(lè)，試聽(tīng)后選擇滿意的效果。選擇“場(chǎng)景音”選擇聲音成曲拓展提高-擬聲利用開(kāi)源模型：CosyVoice克隆聲音CosyVoice開(kāi)源多語(yǔ)言大規(guī)模，它是一個(gè)大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，深度融合文本理解和語(yǔ)音生成的一項(xiàng)新型語(yǔ)音合成技術(shù)，依托先進(jìn)的大模型技術(shù)進(jìn)行特征提取，從而完成聲音的復(fù)刻，無(wú)需訓(xùn)練過(guò)程，僅需提供時(shí)長(zhǎng)較短的音頻，即可迅速生成高度相似且聽(tīng)感自然的定制聲音。拓展提高-擬聲利用開(kāi)源模型：CosyVoice克隆聲音預(yù)訓(xùn)練音色：輸入文本后，語(yǔ)速調(diào)整為滿意的速度，依次選擇推理模式為“預(yù)訓(xùn)練音色”，預(yù)訓(xùn)練音色為“中文男”。合成音頻試聽(tīng)和下載界面選擇預(yù)訓(xùn)練音色界面提示：嘗試更換訓(xùn)練音色后生成音頻試聽(tīng)效果。音色下拉選項(xiàng)有中文女、中文男、日語(yǔ)男、粵語(yǔ)女、英文女、英文男、韓語(yǔ)女等角色可供選擇。拓展提高-擬聲利用開(kāi)源模型：CosyVoice克隆聲音預(yù)訓(xùn)練音色：輸入文本后，語(yǔ)速調(diào)整為滿意的速度，依次選擇推理模式為“預(yù)訓(xùn)練音色”，預(yù)訓(xùn)練音色為“中文男”。生成推理種子提示：隨機(jī)推理種子的作用類似于一個(gè)初始值，用于初始化生成過(guò)程。通過(guò)設(shè)置不同的種子值，可以生成不同的輸出結(jié)果，我們可以嘗試更換“隨機(jī)推理種子”后可對(duì)比生成的音頻文