Sambert语音合成

产品简介

基于达摩院改良的自回归韵律模型，Sambert 融合了 SAMBERT+NSFGAN 深度神经网络算法与传统领域知识，提供高效的文字转语音服务。该技术具备推理速度快、合成效果卓越、读音精准、韵律自然、声音还原度高以及表现力强等优点。

此外，用户可以选择开启字级别和音素级别的时间戳，用于生成字幕或驱动数字人的嘴型。

产品优势

• 多样化音色选择：提供多种音色，满足用户在不同场景下的个性化需求。无论是新闻播报的庄重严肃，还是故事讲述的情感丰富，都能轻松驾驭。详情请参见模型列表。

• 多语言支持：无论是中文、英文还是其他主要语言，Sambert 都能提供高质量的文字转语音服务，确保在不同语言环境下都能实现精准、自然的语音合成，为国际化的应用场景提供了强大的支持。详情请参见模型列表。

• 精准的时间戳功能：用户可以选择开启字级别和音素级别的时间戳，用于生成字幕或驱动数字人的嘴型。这一功能不仅提升了字幕生成的准确性，还增强了数字人在虚拟环境中的真实感和互动性（详情请参见API详情，通过参数word_timestamp_enabled和phoneme_timestamp_enabled开启时间戳）。

• 应用广泛：适用于多种应用场景，如数字人、直播、配音解说、新闻播报等，极大地拓宽了语音交互的可能性，提升用户体验的同时，也为企业智能化转型提供了强大支持。

功能特性

应用场景

• 数字人播报

  数字人可以作为虚拟客服、虚拟主播等，在不同场景中提供对话服务，结合时间戳功能，确保口型与语音的同步，提供逼真的视觉和听觉体验。

• 文学有声阅读

  让富有感染力的声音为您讲故事、读小说、播新闻，满足“懒人”的阅读需求。

• 新闻传媒播报

  释放用户的双手和双眼，提供多种发音风格的新闻播报，打造更极致的传媒体验。

• 全球客户服务

  生成高质量的语音，确保客户无论使用哪种语言都能获得流畅、自然的服务体验。

• 国际会议和活动

  生成多种语言的语音，帮助参与者更好地理解和参与活动。

• 跨文化培训和教育

  可以生成准确、自然的多语言语音，帮助学员更好地学习和理解课程内容。

• 旅游和导航

  生成清晰、自然的多语言语音，帮助游客更好地导航和了解景点信息。

• 更多应用场景

  除上述场景外，Sambert还适用于各种需要语音合成的场景，为用户提供高效、准确、多语言的服务。

相关文档

您可以通过阅读以下文档了解更多：

• 语音合成

• 模型列表

• API详情

• 高并发场景

• 通过WebSocket连接访问语音合成服务

• 计量计费