Adobe 公司創(chuàng)新產(chǎn)品用戶(hù)大會(huì) Adobe MAX 2016 上，Adobe 公司的 Zeyu Jin（顯然是個(gè)天朝工程師）宣布了 VoCo，一款可以讓你如同文本一般編輯口語(yǔ)音頻的應(yīng)用程序。

    VoCo 是針對(duì)音頻編輯工作的，它可以自動(dòng)識(shí)別出人聲語(yǔ)音里的每個(gè)單詞（目前應(yīng)該還僅限英文），然后你就可以按照需求剪切和粘貼文本從而改變音頻詞匯的順序，而不必去直接編輯波形（請(qǐng)看上面的演示視頻，越到后面越精彩）。關(guān)鍵它還有個(gè)超贊的地方，它還可以作為一個(gè)創(chuàng)作工具，只要 VoCo 對(duì)一個(gè)人 20 分鐘的語(yǔ)音進(jìn)行分析之后，它就可以直截按新的文本合成這個(gè)人聲音。就是說(shuō)你只要被別人捕捉到了至少 20 分鐘的演講，然后這個(gè)軟件就可以生成你從來(lái)沒(méi)有說(shuō)過(guò)的話(huà)，讓別人聽(tīng)上去足以以假亂真，以為你真的說(shuō)過(guò)這些話(huà)。

    雖然還只是在會(huì)上演示，過(guò)渡的地方還有些不完美，還沒(méi)有成為正式的產(chǎn)品，但是我們可以想象它的前景，特別是對(duì)于配音等工作來(lái)說(shuō)可以成為又一件神器了。甚至一個(gè)聲優(yōu)只要被識(shí)別出了自己的聲音，視頻編輯人員就可以直接輸入文本讓軟件來(lái)自己說(shuō)話(huà)了。

    Project VoCo 可以說(shuō)是秉承了 Adobe 公司的理念，可以看到 VoCo 的這種方式有點(diǎn)像 PS（Photoshop） 一般可以將音頻像圖像一樣分割成單獨(dú)的元素，甚至可以用現(xiàn)有元素生成新的內(nèi)容來(lái)完成完整的作品。當(dāng)然如果是單純的分割元素重新拼接可能容易實(shí)現(xiàn)，厲害就厲害在它能根據(jù)某人語(yǔ)音進(jìn)行分析之后直截生成新的音頻，也就是直接合成出來(lái)。我們推測(cè)這就牽扯到很多內(nèi)容了，音頻分析（比如頻率，共振峰等），還有機(jī)器學(xué)習(xí)等等。

    我們都知道 Yamaha 的 VOCALOID 技術(shù)，一提到初音之類(lèi)的甚至應(yīng)該是很多人都知道。可以想象一下，如果是 VoCo 這樣的技術(shù)應(yīng)用到這個(gè)上面是不是可以直接快速開(kāi)發(fā)新的虛擬歌手？甚至個(gè)人在家錄上一些歌聲供分析之后是不是就可以直接做個(gè)自己的定制虛擬歌手呢？

    另一，日本人最近也開(kāi)發(fā)了一個(gè)叫類(lèi)似的產(chǎn)品，它可以實(shí)時(shí)將你的聲音模擬成另?yè)?jù)特點(diǎn)的別人的聲音，有點(diǎn)類(lèi)似柯南的實(shí)時(shí)變聲器，可以變成任何一個(gè)人的聲音。還有 Krotos Dehumaniser 可以將你的聲音輕松變成怪獸的聲音。這些產(chǎn)品放到一起可能會(huì)帶來(lái)配音行業(yè)空前的變革。原諒我的腦洞，我想著以后會(huì)有公司開(kāi)發(fā)一個(gè)融合了這些技術(shù)的產(chǎn)品...

    期待 VoCo 能夠早日變成成熟產(chǎn)品推向市場(chǎng)。

    如今唱歌都可以虛擬歌手直接碼字了，是不是以后配音也可以直接碼字了...