微软AI配音升级：90秒多角色叙事，真假难辨

微软近日通过Copilot Labs推出全新AI语音生成工具Copilot Audio Expressions，进一步扩展了人工智能在语音合成领域的能力。该工具专注于生成更具表现力和情感层次的英文语音，提供Emotive（情感表达）和Story（故事创作）两种模式，用户无需注册即可直接体验并下载MP3格式音频。

在Emotive模式下，用户可自主选择音色和叙述风格，例如媒体测试中选用“Oak”音色和“narration”风格输入火车站场景脚本，生成语音不仅准确朗读文本，还自动调整措辞、增添细节，使表达更贴近真人。单段音频最长支持59秒，提供超过十种声音与风格组合，显著提升了语音的自然度和感染力。

Story模式进一步体现了该工具的智能化水平。用户只需输入主题提示，系统即自动分配音色与风格，生成多角色叙事内容。例如，输入“讲一个猫在暗处潜行觅食的故事”后，AI生成了一段长达90秒的音频，其中旁白采用美式口音，猫的角色使用英式口音，并在叙述中穿插互动对话，形成流畅自然的作品效果。测试表明，该模式在情节构建、角色区分和声音融合方面表现突出，成品更接近多人配音合作，而非单调的机器朗读。

这一技术的推出，显示了微软在生成式AI和语音合成领域的持续进步。通过深度学习与情感计算，Copilot Audio Expressions在输出中模拟了人类语音的韵律、停顿和情感变化，使其适用于朗诵、有声内容创作及多角色叙事项目。然而，该工具目前仅支持英文，尚未提供中文或其他语言的生成选项。微软未明确是否将在未来扩展多语言支持，这在一定程度上限制了其全球应用范围。

从技术角度看，Copilot Audio Expressions依托于大规模语言模型和语音合成技术，其核心优势在于动态调整内容和表达方式，使生成结果更具创造性和适应性。尽管如此，AI生成语音在特定语境或复杂情感表达中仍可能存在局限，需进一步优化以完全匹配人类表演的细腻程度。

总体而言，微软此次更新展示了AI语音生成的显著进展，尤其在多角色叙事和情感渲染方面取得了突破。该工具为内容创作者提供了新的可能性，但其当前的语言限制及生成时长约束意味着仍处于发展阶段。行业观察者期待其在技术成熟度和应用范围上的进一步拓展。

生成海报

（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）

本文来源于极客网，原文链接: https://www.fromgeek.com/ai/701997.html