出门问问发布AI音频生产工具“魔音工坊” 加速布局企业级市场

【TechWeb】9月7日消息，人工智能公司出门问问在2020年服贸会上发布两款全新魔音系列产品：AI音频内容生产一站式解决方案——“魔音工坊”，AI虚拟主播——“魔影主播”。目前这两款产品已经应用于光明日报的音视频内容生产中。

作为一家AI技术驱动型公司，出门问问已经推出过系列消费级智能硬件产品，包括AI智能手表TicWatch系列、AI真无线智能耳机TicPods系列、智能音箱TicKasa系列等。凭借在消费级场景积累的AI能力和经验，此次出门问问推出两款AI音视频内容生产工具，意味着其加速向To B企业级场景延伸。

出门问问CEO李志飞在接受TechWeb采访时透露，目前，出门问问公司营收主要来自消费级产品，而且公司海外营收占比超过60%，现在企业级市场也是公司主要发力的一块。

李志飞介绍，尽管受疫情影响，今年前2个季度出门问问的业绩受到一定影响，但是销售业绩在第三季已经出现强势反弹，预计全年营收同比去年仍略有增长。

可编辑的AI音视频生产工具

魔音工坊是一款主打AI音频生产的产品, 旨在以AI助力音频内容创作，通过独创的产品和交互，成为AI音频内容生产一站式解决方案，打造AI音频时代的WORD编辑器。

事实上，市面上已经有包括科大讯飞、搜狗等公司推出了类似AI产品，李志飞向TechWeb表示，魔音工坊最大的特色是后台有一个灵活的编辑工具。

李志飞介绍，尽管AI能力已经越来越强，但是不可否认的是目前由AI直接生成的音频内容还是会存在一些误差，在新闻播报等严肃场合是无法直接使用的。魔音工坊通过引入音频编辑工具，既能实现AI将文字转为音频的快速性，又能实现人工矫正编辑的准确性，这个价值非常大。

据介绍，魔音工坊增加的后台编辑功能，能够非常个性化的对AI生成的语音内容进行定点编辑。利用端到端MeetVoice语音合成引擎，魔音工坊设计了交互友好的产品形态，用户可以快速导入要合成声音的文章，通过类似微软WORD文档的编辑操作，即可快速解决拼音、韵律等中文配音问题，让用户一站式快捷生产出专业精品的音频。

魔音工坊后台编辑不仅能够提供定制发音人、纠正多音字、背景音和音效、多发音人配音等核心功能，还具备数字纠错、变速、韵律纠错、创建个性“随身听”微信小程序等各种便捷有效的工具。

目前魔音工坊已为众多头部媒体提供随身听小程序，将文字内容升级为更有深度和感染力的声音形态。提升自媒体用户体验，让粉丝用户留存、时长和长期忠诚度、活跃度得到更大提升。

此外，出门问问此次发布的另一款全新产品“AI虚拟主播——魔影主播”，可通过语音驱动虚拟形象说话及反馈动作。通过将深度学习和计算机图形学结合，让计算机能够理解语音的内容并精细驱动虚拟形象的口唇动作、面部表情、肢体姿态，生成极具逼真感的虚拟形象动画。结合TTS技术，能够为客户提供具备丰富表情动作反馈的AI虚拟互动助手。编辑人员仅需输入文字内容，即可快速生成具备同步口型、丰富面部表情及模型动作的AI虚拟主播视频。

加速布局赋能新闻媒体业

借助魔音工坊和魔影主播两款产品，出门问问成功实现AI驱动的“文字与音频”、“文字与视频”之间的快速转换。

出门问问高级技术总监叶顺平表示，希望通过这些AI产品帮助传统媒体更好地适应音频和视频形态，多渠道分发，让优质内容触达到更多用户，实现内容价值最大化，为新闻媒体业赋能。未来，在AI的加持下，人人皆可玩转多媒体，多种媒体之间也能实现自由融合与转换。

此外，叶顺平强调，出门问问深耕语音赛道，拥有完整的“端到端”人机交互相关技术栈。在魔影主播与魔音工坊两款产品背后，是出门问问自主研发的全CPU低时延端到端语音合成系统MeetVoice (Mobvoi End-to-End TTS Voice) 。其采用基于神经网络的声码器 Meet-Vocoder，可以实现高度接近真人的声音素质。

出门问问使用多发音人基础模型，提升语音合成效果，汉字发音准确率提升至99.6%以上，保持业界领先水平。在此基础上，MeetVoice最大限度地提高效率，1秒时间能够合成近10秒音频，且无需额外配置GPU。

李志飞表示，目前出门问问可为客户量身定制全栈式的人工智能解决方案，目前已为物联网、金融、电信、餐饮、车载等企业级场景提供服务。