微软携手Project Gutenberg利用AI语音技术制作5000本免费有声书

美国 IT 巨头微软公司近日与古Project Gutenberg合作，利用人工智能技术为该计划的电子书库制作了超过5000本高质量的有声书。这一项目中，研究人员结合了机器学习、自动文本选择和自然语音合成等多项 AI 技术，实现了电子书自动转化为语音的全流程。

图源备注：图片由AI生成，图片授权服务商Midjourney

项目团队首先开发出一种算法，可以自动分析电子书的结构，区分正文和非关键部分的页码、表格等，然后使用 WaveNet、Tacotron 和 FastSpeech 等前沿的文本转语音技术，生成类似真人的自然朗读语音。此外，该团队还使系统能够辨别书中叙述者、对话和不同角色，并相应调整语音，实现故事情节的语音表达。

据悉，此次计划已收集整理了超过35000小时的有声书语音数据，涵盖了各类经典文学、戏剧、传记等作品，这些语音数据都将以开源方式免费提供。用户甚至可以用自己录制的少量语音，生成用自己的声音朗读整本书的效果。这一项目能极大地丰富有声书的内容，也为视障人士提供了便利。

Project Gutenberg是免费数字图书馆计划，用户可以在其网站免费阅读和下载超过7万本电子书。此次与微软合作制作有声书，将大幅拓展其免费有声书数量，为公众提供便捷的知识获取渠道。