汽车人机对话、地图语音导航... 语音合成技术已融入生活的方方面面。能“读”出来不难，如何 有感情 的“读”，如 真人对话般 的“读”，一直是出门问问「魔音工坊」团队深耕的课题。
今天，我们隆重为大家介绍两项研究成果：重读、拖音，它们是 MeetVoice家族 中的新成员 MeetEmphaticVoice 技术。
01
重读、拖音的技术介绍
重音（含重读、拖音等）是语言最重要的韵律特征之一，是语义上着重、强调和聚焦的一种手段。在语音中，重音的特征表现在音域加宽、音程加大，其次是气流加强。音调（pitch）和时长（duration）为重音的两个关键因素，即表现为音调加强和时长拉伸。
语音中，适时的、不同程度的添加重音，可以丰富情感、突出重点，大大提高合成语音的自然度和表现力。不同的重音位置，会表达出不同的信息内容。
如下表，在相同文本中添加不同位置的重音，所传达的信息会有所不同。
| 重音词 | 文本 | 强调信息 |
| 我 | 今天 我 不去苏州。 | 强调我不去，可能别人去。 |
| 今天 | 今天 我不去苏州。 | 强调今天不去，可能其他时间去。 |
| 不去 | 今天我 不去 苏州。 | 强调“不去”，加强语气。 |
| 苏州 | 今天我不去 苏州 。 | 强调不去“苏州”，可能去别的地方。 |
基于重音的发音特征，我们对其进行了细粒度分类，将音调加强和时长拉伸分开后，得到3种强调组合：重读、拖音、重读+拖音。
| 重音分类 | 特征表现 |
| 重读 | 音调加强 |
| 拖音 | 时长拉升 |
| 重读+拖音 | 音调加强，且时长拉升 |
02
重读、拖音的技术实现
我们对MeetVoice框架进行了升级，支持了重读/拖音/重读+拖音功能，用户通过显式控制，能够实现不同程度的重音效果，详细技术框架如下：
从上图可以看出，参数控制可以明显修改时长、音调等影响重音的关键数据。
03
重读、拖音的产品使用
最终得到4种不同语气的配音：
默认效果：
重读效果：
拖音效果：
重读+拖音效果：
目前重读、拖音功能已适配部分发音人，更多发音人陆续适配中...
04
总结与展望
从声音转换、48K...再到重读、拖音，MeetVoice家族诞生出众多首发的AI语音技术。重音的加入，让魔音工坊的用户体验到更富有情感的AI配音。
当然，魔音团队不会止步于此，我们仍继续探索更高清、更好听的模型，能更好的还原发音人的音色、韵律等。魔音工坊很快就要上线全新模型了，敬请期待！
我们的目标：
用MeetVoice家族助力广大配音用户，让创作者能自主可控（韵律、情感、语调、方言、语种等）地在魔音工坊合成高清优质的音频内容！
