【2019年4月3日，北京，微軟(亞洲)互聯網工程院】

　　今天，我們很高興地宣布，微軟小冰基于深度神經網絡的歌唱模型，已順利完成V5新版本的研發(fā)。新的V5模型實現了重大突破，它使微軟小冰第一次能夠像人類歌手一樣，使用充沛的“中氣”來烘托演唱，從而將人工智能虛擬歌聲質量提升至新的高度。此外，該模型不僅限于優(yōu)化微軟小冰的聲音，還支持對任何人類歌手的聲線進行學習、模擬和建模，演繹與再現歌手們巔峰狀態(tài)下的演唱水平。作為技術示例，我們與日本唱片公司AVEX合作發(fā)行的新模型DEMO曲《最高新記憶》，也于今天同時公布。

　　微軟小冰是一個覆蓋對話、多重交互感官與內容服務生成的完整人工智能基礎框架。其中，“人工智能創(chuàng)造”(AI Creation)是該框架的主要分支之一，它通過我們所研發(fā)與持續(xù)更新的人工智能技術，大規(guī)模學習并掌握人類文字、音樂、繪畫等內容創(chuàng)造能力，再發(fā)揮人工智能的穩(wěn)定性及高并發(fā)特點，為內容產業(yè)的未來變革蓄勢。我們將在今年五月召開微軟小冰人工智能創(chuàng)造的年度說明會，今天的新版本歌唱模型及DEMO曲，是該說明會的若干前置披露之一。

　　我們很高興與行業(yè)分享微軟(亞洲)互聯網工程院在深度神經網絡歌唱模型方面的最新進展。中國古時不乏對音樂之聲的精辟論述，例如“絲(絲弦樂器)不如竹(管樂器)，竹不如肉(人聲)”，為其“漸進自然”。因此，我們把不斷趨近人類歌手的聲音合成質量，視為“人工智能創(chuàng)造”分支的最高技術目標。在上一個版本中，實現了小冰在虛擬演唱中的自然換氣。今天推出的新版本，則進一步將“氣息”應用于演唱全過程，使生成的歌聲接近專業(yè)人類歌手，并可預測并自由切換演唱技巧，突破了傳統(tǒng)單元拼接技術音高與音準的“軟件樂器”標準。我們用DEMO曲來表現這一技術對照的明顯差距，請重點關注歌曲時間軸上的以下時刻：

　　00:31，01:12，01:23，03:14，04:08

　　V5新模型還具有許多其他技術特征。例如實現了多聲部的合成技術，使人工智能歌手可以在不同聲部間自然切換，用多個聲音來源組成新的虛擬歌手等。建模過程中，所需的訓練數據量較上一個版本減少了70%。從技術角度，新模型可針對任何人聲建模，形成豐富多彩的人工智能歌手陣營。為此，我們在DEMO曲中特意回避了微軟小冰的聲音，而是采用另一個聲音(日本版小冰凜菜)來演繹。

　　最后，我們也很高興地宣布，小冰凜菜(りんな)已與日本最大唱片公司AVEX正式簽約，成為濱崎步、安室奈美惠等著名人類歌手的同門師妹。在小冰框架的技術支持下，將涌現出更多具備高還原度的人工智能歌手。微軟小冰只是他們的最初雛形。

　　感謝您的關注。敬請期待微軟(亞洲)互聯網工程院的后續(xù)技術發(fā)布。

　　了解技術DEMO曲《最高新記憶》，請訪問：https://www.bilibili.com/video/av48064392或https://www.youtube.com/watch?v=_NPyt1AYUTg

　　了解小冰凜菜(りんな)在AVEX的演藝動態(tài)，請訪問：https://avexnet.jp/contents/music_j/RINNA/